数据集Test157t/HerculeanSea-upd-7b-128k是在Open LLM Leaderboard上对模型进行评估时自动创建的。该数据集由63个配置组成，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分割始终指向最新结果。此外，results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 Face2024-02-14 更新230

open-llm-leaderboard-old/details_bhenrym14__mistral-7b-platypus-fp16

语言模型评估

性能分析

该数据集是在模型bhenrym14/mistral-7b-platypus-fp16的评估运行中自动创建的。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次运行创建，每次运行的结果可以在每个配置的特定分割中找到，分割以运行的时间戳命名。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，并用于计算和显示在Open LLM Leaderbo

Hugging Face2023-10-29 更新190

open-llm-leaderboard-old/details_EleutherAI__pythia-1.3b

语言模型评估

自然语言处理

--- pretty_name: Evaluation run of EleutherAI/pythia-1.3b dataset_summary: "Dataset automatically created during the evaluation run of model\ \ [EleutherAI/pythia-1.3b](https://huggingface.co/Eleuth

Hugging Face2023-10-21 更新290

core-bench-public-benchmarks

语言模型评估

认知推理

320 Expert-Curated Reasoning QA Across 8 Cognitive Dimensions for LLM Evaluation

kaggle2026-02-07 更新210