open-llm-leaderboard-old/details_uukuguy__speechless-thoughts-mistral-7b-v1.0

该数据集是在评估模型uukuguy/speechless-thoughts-mistral-7b-v1.0时自动生成的，评估是在Open LLM Leaderboard上进行的。数据集由63个配置组成，每个配置对应一个评估任务。数据集是从1次运行中创建的，每次运行的结果都存储在一个特定的分割中，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，用于计算和显示Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集概述

该数据集是在对模型 uukuguy/speechless-thoughts-mistral-7b-v1.0 进行评估运行期间自动创建的，用于 Open LLM Leaderboard。

数据集组成

• 数据集包含 63 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，每个运行可以在每个配置中找到特定的分割，分割名称使用运行的时间戳。
• "train" 分割始终指向最新的结果。
• 额外的 "results" 配置存储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。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_uukuguy__speechless-thoughts-mistral-7b-v1.0", "harness_winogrande_5", split="train")

最新结果

以下是 2024-02-15T17:05:22.470377 运行的最新结果：

python { "all": { "acc": 0.5514023677675722, "acc_stderr": 0.03404989707789746, "acc_norm": 0.5546017538931538, "acc_norm_stderr": 0.034766375621007026, "mc1": 0.33047735618115054, "mc1_stderr": 0.0164667696136983, "mc2": 0.4808579181201282, "mc2_stderr": 0.014886882686201535 }, "harness|arc:challenge|25": { "acc": 0.5622866894197952, "acc_stderr": 0.014497573881108288, "acc_norm": 0.5853242320819113, "acc_norm_stderr": 0.014397070564409174 }, "harness|hellaswag|10": { "acc": 0.6164110734913364, "acc_stderr": 0.004852658876775388, "acc_norm": 0.8124875522804222, "acc_norm_stderr": 0.0038952463204527674 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.29, "acc_stderr": 0.04560480215720684, "acc_norm": 0.29, "acc_norm_stderr": 0.04560480215720684 }, ... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_02_15T17_05_22.470377
  • 路径：**/details_harness|arc:challenge|25_2024-02-15T17-05-22.470377.parquet
  • 分割：latest
  • 路径：**/details_harness|arc:challenge|25_2024-02-15T17-05-22.470377.parquet

• harness_gsm8k_5

  • 分割：2024_02_15T17_05_22.470377
  • 路径：**/details_harness|gsm8k|5_2024-02-15T17-05-22.470377.parquet
  • 分割：latest
  • 路径：**/details_harness|gsm8k|5_2024-02-15T17-05-22.470377.parquet

• harness_hellaswag_10

  • 分割：2024_02_15T17_05_22.470377
  • 路径：**/details_harness|hellaswag|10_2024-02-15T17-05-22.470377.parquet
  • 分割：latest
  • 路径：**/details_harness|hellaswag|10_2024-02-15T17-05-22.470377.parquet

• harness_hendrycksTest_5

  • 分割：2024_02_15T17_05_22.470377
  • 路径：
    • **/details_harness|hendrycksTest-abstract_algebra|5_2024-02-15T17-05-22.470377.parquet
    • **/details_harness|hendrycksTest-anatomy|5_2024-02-15T17-05-22.470377.parquet
    • **/details_harness|hendrycksTest-astronomy|5_2024-02-15T17-05-22.470377.parquet
    • ...
  • 分割：latest
  • 路径：
    • **/details_harness|hendrycksTest-abstract_algebra|5_2024-02-15T17-05-22.470377.parquet
    • **/details_harness|hendrycksTest-anatomy|5_2024-02-15T17-05-22.470377.parquet
    • **/details_harness|hendrycksTest-astronomy|5_2024-02-15T17-05-22.470377.parquet
    • ...