Tests of discriminant validity and reliability of constructs in the model.

Figshare2025-01-27 更新2026-04-28 收录

数据链接：

https://figshare.com/articles/dataset/Tests_of_discriminant_validity_and_reliability_of_constructs_in_the_model_/28289250 数据链接链接失效反馈

官方服务：

资源简介：

Tests of discriminant validity and reliability of constructs in the model.

创建时间：

2025-01-27

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

nlile/alpaca_eval_annotations

自然语言处理

模型评估

该数据集包含多个字段，如指令ID、指令内容、输出1、生成器1、输出2、生成器2、标注者、偏好、每个示例的价格和耗时、数据集名称、评估模型和评估类型。数据集分为训练集，大小为866,774,923字节，共有239,877个示例。提供了默认配置，指定了训练数据文件的路径。

Hugging Face2025-09-09 更新180

multi-domain-reasoning/arc_eval

自然语言处理

模型评估

该数据集包含多个特征，如id、问题、选项、答案等，每个特征都有其特定的数据类型。数据集被分为一个测试集，包含1172个示例，总大小为8449241字节。此外，还提供了数据集的下载大小和配置信息。

Hugging Face2024-12-24 更新100

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

open-llm-leaderboard-old/details_facebook__xglm-4.5B

自然语言处理

模型评估

该数据集是在评估模型facebook/xglm-4.5B时自动创建的，评估是在Open LLM Leaderboard上进行的。数据集由64个配置组成，每个配置对应一个评估任务。数据集由2次运行生成，每次运行的结果作为特定配置中的一个分割，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，还有一个名为results的配置，存储了所有运行的聚合结果，并用于计算和显示Open LLM

Hugging Face2023-10-18 更新110

Tests of discriminant validity and reliability of constructs in the model.

资源简介：

相关数据集