open-llm-leaderboard/details_mychen76__mistral-7b-merged-dare_6x7

数据集是在评估模型mychen76/mistral-7b-merged-dare_6x7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。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

数据集名称

• pretty_name: Evaluation run of mychen76/mistral-7b-merged-dare_6x7

数据集描述

• dataset_summary: 该数据集是在评估模型mychen76/mistral-7b-merged-dare_6x7的过程中自动创建的，评估过程在Open LLM Leaderboard上进行。
• 数据集组成: 由63个配置组成，每个配置对应一个评估任务。
• 数据集创建: 数据集从1次运行中创建，每次运行在每个配置中作为一个特定的分割存在，分割名称使用运行的时间戳命名。"train"分割始终指向最新结果。
• 额外配置: 一个名为"results"的额外配置存储了所有运行的聚合结果，用于计算并在Open LLM Leaderboard上显示聚合指标。

数据集加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_mychen76__mistral-7b-merged-dare_6x7", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自2024-03-12T01:27:30.665458的运行结果，包含多个任务的评估数据。
• 结果示例: 提供了一系列任务的准确率（acc）和标准误差（acc_stderr）等指标。

数据集配置详情

• 配置名称: 包括多个任务特定的配置，如"harness|arc:challenge|25"、"harness|gsm8k|5"、"harness|hellaswag|10"等。
• 数据文件: 每个配置对应的数据文件，包括不同时间戳的分割和"latest"分割。

数据集使用

• 目的: 用于评估模型在不同任务上的性能。
• 方法: 通过加载特定配置的数据集分割来获取评估结果。