open-llm-leaderboard/details_ab24g21__llama-2-new

该数据集是在Open LLM Leaderboard上对模型ab24g21/llama-2-new进行评估时自动生成的。数据集由63个配置组成，每个配置对应一个评估任务。它包含一次运行的数据，每次运行在每个配置中表示为特定的分割，分割名称由运行的时间戳命名。train分割始终指向最新结果。一个额外的results配置存储了所有运行的聚合结果，用于计算和显示Open LLM Leaderboard上的聚合指标。README还提供了如何使用Hugging Face datasets库加载数据集的示例，并包含了特定运行的最新结果。

原始信息汇总

数据集概述

数据集名称

• pretty_name: Evaluation run of ab24g21/llama-2-new

数据集描述

• dataset_summary: 该数据集是在评估模型ab24g21/llama-2-new在Open LLM Leaderboard上的运行过程中自动创建的。

数据集结构

• 组成: 包含63个配置，每个配置对应一个评估任务。
• 创建来源: 数据集由1次运行创建，每次运行在每个配置中作为一个特定的分割存在，分割名称使用运行的时间戳命名。
• 特殊配置: “train”分割始终指向最新结果，而“results”配置存储所有运行的聚合结果，用于计算和显示聚合指标。

数据集使用示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_ab24g21__llama-2-new", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自2024-03-29T19:27:59.516823的运行结果，包含多个任务的评估数据。
• 结果内容: 包括但不限于准确率(acc)、标准误差(acc_stderr)、归一化准确率(acc_norm)、归一化准确率标准误差(acc_norm_stderr)等指标。

数据集配置详情

• 配置列表: 包括harness_arc_challenge_25、harness_gsm8k_5、harness_hellaswag_10等多个配置。
• 数据文件: 每个配置包含多个数据文件，根据不同的分割（如时间戳分割和最新分割）组织。

以上信息提供了关于数据集的基本概况、结构、使用方法以及具体配置的详细信息。