open-llm-leaderboard/details_weezywitasneezy__BenchmarkEngineering-F2-7B-slerp

该数据集是在评估模型weezywitasneezy/BenchmarkEngineering-F2-7B-slerp时自动创建的，主要用于在Open LLM Leaderboard上展示评估结果。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，每次运行的结果存储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，用于在Open LLM Leaderboard上计算和展示聚合指标。

原始信息汇总

数据集概述

数据集基本信息

• 数据集名称: Evaluation run of weezywitasneezy/BenchmarkEngineering-F2-7B-slerp
• 创建目的: 自动创建于模型weezywitasneezy/BenchmarkEngineering-F2-7B-slerp在Open LLM Leaderboard的评估运行期间。
• 数据集构成: 包含63个配置，每个配置对应一个评估任务。
• 数据集创建: 从1次运行中创建，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。
• 特殊配置: “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。

数据集加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_weezywitasneezy__BenchmarkEngineering-F2-7B-slerp", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自2024-04-08T22:30:05.393894的运行。
• 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。

示例结果

python { "all": { "acc": 0.6517008083212097, "acc_stderr": 0.032035820319085785, "acc_norm": 0.6506083521239721, "acc_norm_stderr": 0.032714077680353545, "mc1": 0.583843329253366, "mc1_stderr": 0.017255657502903043, "mc2": 0.7237205891498038, "mc2_stderr": 0.01474299074809071 }, ... }

此概述提供了数据集的基本信息、加载方法以及部分结果示例，有助于用户快速了解数据集的内容和用途。