open-llm-leaderboard/details_stabilityai__stablelm-2-12b-chat

该数据集是在模型 stabilityai/stablelm-2-12b-chat 在 Open LLM Leaderboard 上的评估运行期间自动创建的。数据集由 63 个配置组成，每个配置对应一个被评估的任务。数据集包含 1 次运行的结果，每次运行在每个配置中表示为特定的分割。train 分割始终指向最新的结果。一个名为 results 的额外配置存储了所有运行的聚合结果，这些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 `datasets` 库中的 `load_dataset` 函数加载运行中的详细信息的示例。README 中还包含了特定运行的最新结果，显示了不同任务的各种准确率指标。

原始信息汇总

数据集概述

数据集名称

• pretty_name: Evaluation run of stabilityai/stablelm-2-12b-chat

数据集描述

• dataset_summary: 该数据集是在评估模型stabilityai/stablelm-2-12b-chat在Open LLM Leaderboard上的运行过程中自动创建的。

数据集构成

• 配置数量: 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，每次运行作为一个特定的分割，分割名称使用运行的时间戳命名。
• 特殊配置: 额外配置“results”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。

数据集加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_stabilityai__stablelm-2-12b-chat", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 最新结果来自run 2024-04-19T04:44:10.886217。
• 结果内容: 包含多个任务的评估结果，如准确率(acc)、标准误差(acc_stderr)等。

数据集配置详情

配置列表

• harness_arc_challenge_25
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5

每个配置包含多个数据文件，每个文件对应不同的分割（如时间戳分割和最新分割），用于存储特定任务的评估数据。