Classification model performance both overall and by subgroup.

Figshare2025-04-08 更新2026-04-28 收录

数据链接：

https://figshare.com/articles/dataset/Classification_model_performance_both_overall_and_by_subgroup_/28753276 数据链接链接失效反馈

官方服务：

资源简介：

Classification model performance both overall and by subgroup.

创建时间：

2025-04-08

MoE-CAP

机器学习评估

模型性能分析

MoE-CAP是一个专门为评估MoE系统而设计的基准，旨在理解和评估MoE系统的成本、准确性和性能。该数据集包含多种MoE模型，并使用新的稀疏感知性能指标进行评估，包括稀疏内存带宽利用率和稀疏模型FLOPS利用率。MoE-CAP还引入了CAP雷达图，以直观地展示MoE系统在成本、准确性和性能方面的权衡。

arXiv2025-05-17 更新690

ROC curve parameters according to sensitivity and specificity values.

测试评估

模型性能分析

ROC curve parameters according to sensitivity and specificity values.

NIAID Data Ecosystem100

Qwen3-8B_eval_08c7

机器学习评估

模型性能分析

# mlfoundations-dev/Qwen3-8B_eval_08c7 Precomputed model outputs for evaluation. ## Evaluation Results ### HMMT - **Average Accuracy**: 44.33% ± 1.06% - **Number of Runs**: 10 | Run | Accuracy |

魔搭社区2025-11-13 更新80

Lansechen/details_Lansechen__Qwen2.5-7B-Open-R1-GRPO-math-lighteval

数学评估

模型性能分析

在模型Lansechen/Qwen2.5-7B-Open-R1-GRPO-math-lighteval评估过程中自动生成的数据集，包含5种配置，每种配置对应一个评估任务。该数据集由23次运行结果组成，每次运行结果在各个配置中作为特定分割存在，分割名称以运行时间戳命名。train 分割指向最新运行结果，而results 配置则存储了所有运行的汇总结果。

Hugging Face2025-04-10 更新120

llama-duo/llama3-1b-coding-eval-by-claude3sonnet

编程评估

模型性能分析

该数据集包含与模型评估相关的多个字段，如指令、响应和评分等，用于评估模型在特定任务上的表现。具体包括：指令（instructions）、目标响应（target_responses）、候选响应（candidate_responses）、模型ID（model_id）、模型SHA（model_sha）、评估提示（eval_prompts）、相似度评分（similarity_scores）、精确度评分（p

Hugging Face2025-04-02 更新90

Classification model performance both overall and by subgroup.

资源简介：

相关数据集