Imagenet-v2 Test Dataset: Enhanced Benchmarking

kaggle2024-04-14 更新2024-04-26 收录

分类与聚类基准测试

模型评估

数据链接：

https://www.kaggle.com/datasets/derrickdaniel/imagenet-v2-test 数据链接链接失效反馈

官方服务：

资源简介：

A Refined Version for Improved Model Evaluation in Visual Recognition Tasks

视觉识别任务中模型评估改进的精炼版本

创建时间：

2024-04-14

open-llm-leaderboard-old/details_Kiddyz__testlm2

模型评估

自然语言处理

该数据集是在模型Kiddyz/testlm2的评估运行中自动创建的，包含了61个配置，每个配置对应一个评估任务。数据集从1次运行中创建，每次运行都可以在特定配置中找到，分割名称使用运行的时间戳命名。train分割始终指向最新的结果。此外，还有一个名为results的配置存储了所有运行的聚合结果，用于计算和显示在Open LLM Leaderboard上的聚合指标。

Hugging Face2023-08-27 更新300

open-llm-leaderboard-old/details_Josephgflowers__Cinder-Phi-2-STEM-2.94B-Test

模型评估

自然语言处理

该数据集是在评估模型Josephgflowers/Cinder-Phi-2-STEM-2.94B-Test时自动创建的，用于在Open LLM Leaderboard上进行评估。数据集包含63个配置，每个配置对应一个评估任务。数据集由1次运行生成，每次运行的结果作为一个特定的分割存储，分割名称使用运行的时间戳。train分割始终指向最新的结果。此外，results配置存储了所有运行的聚合结果，用于

Hugging Face2024-02-18 更新110

HWERI/openorca-multiplechoice-5k-comparisons

模型评估

多选题生成

该数据集是beaugogh/openorca-multiplechoice-10k的一个子集，其中添加了模型生成的响应作为被拒绝的响应。使用的模型是beaugogh/Llama2-7b-openorca-mc-v2。

Hugging Face2023-09-09 更新90

open-llm-leaderboard-old/details_w601sxs__b1ade-1b

模型评估

自然语言处理

--- pretty_name: Evaluation run of w601sxs/b1ade-1b dataset_summary: "Dataset automatically created during the evaluation run of model\ \ [w601sxs/b1ade-1b](https://huggingface.co/w601sxs/b1ade-1b)

Hugging Face2023-09-17 更新190

Appendix D. The parameter estimates from the model fits with their AICc's.

统计建模

模型评估

The parameter estimates from the model fits with their AICc's.

DataCite Commons2020-09-04 更新90