open-llm-leaderboard-old/details_nbeerbower__bophades-mistral-7B

该数据集是在评估模型nbeerbower/bophades-mistral-7B时自动创建的，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，每次运行都可以在每个配置的特定分割中找到，分割名称使用运行的时间戳命名。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

该数据集是在评估模型 nbeerbower/bophades-mistral-7B 在 Open LLM Leaderboard 上的运行过程中自动创建的。数据集包含63个配置，每个配置对应一个评估任务。

数据集结构

• 配置数量：63个配置
• 创建来源：从1次运行中创建，每个运行结果作为一个特定的分割（split）存储，分割名称使用运行的时间戳。
• 最新结果："train" 分割始终指向最新的结果。
• 结果汇总：一个额外的配置 "results" 存储所有运行的汇总结果，用于计算和显示在 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_nbeerbower__bophades-mistral-7B", "harness_winogrande_5", split="train")

最新结果

以下是 2024-04-02T15:40:12.585330 运行 的最新结果：

python { "all": { "acc": 0.6529857548717969, "acc_stderr": 0.03221796068408146, "acc_norm": 0.6523686765586533, "acc_norm_stderr": 0.03289432909383707, "mc1": 0.4504283965728274, "mc1_stderr": 0.017417264371967646, "mc2": 0.5982892790120946, "mc2_stderr": 0.015885327998850528 }, "harness|arc:challenge|25": { "acc": 0.6774744027303754, "acc_stderr": 0.01365998089427737, "acc_norm": 0.6996587030716723, "acc_norm_stderr": 0.01339590930995701 }, "harness|hellaswag|10": { "acc": 0.7032463652658832, "acc_stderr": 0.004558933822995548, "acc_norm": 0.8728340967934675, "acc_norm_stderr": 0.0033247784294953577 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.37, "acc_stderr": 0.04852365870939099, "acc_norm": 0.37, "acc_norm_stderr": 0.04852365870939099 }, ... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_04_02T15_40_12.585330, latest
  • 路径：**/details_harness|arc:challenge|25_2024-04-02T15-40-12.585330.parquet

• harness_gsm8k_5

  • 分割：2024_04_02T15_40_12.585330, latest
  • 路径：**/details_harness|gsm8k|5_2024-04-02T15-40-12.585330.parquet

• harness_hellaswag_10

  • 分割：2024_04_02T15_40_12.585330, latest
  • 路径：**/details_harness|hellaswag|10_2024-04-02T15-40-12.585330.parquet

• harness_hendrycksTest_5

  • 分割：2024_04_02T15_40_12.585330, latest
  • 路径：多个文件路径，例如 **/details_harness|hendrycksTest-abstract_algebra|5_2024-04-02T15-40-12.585330.parquet

以上是数据集的详细概述，包括数据集的结构、加载示例、最新结果以及各个配置的详情。