open-llm-leaderboard/details_LeroyDyer__Mixtral_AI_Cyber_3.1_SFT

该数据集是在模型[LeroyDyer/Mixtral_AI_Cyber_3.1_SFT](https://huggingface.co/LeroyDyer/Mixtral_AI_Cyber_3.1_SFT)评估运行期间自动创建的，用于[Open LLM Leaderboard](https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard)。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次运行创建，每次运行可以在每个配置中找到一个特定的分割，分割名称使用运行的时间戳。train分割始终指向最新结果。此外，results配置存储了运行所有聚合结果，用于计算和显示[Open LLM Leaderboard](https://huggingface.co/spaces/HuggingFaceH4/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 LeroyDyer/Mixtral_AI_Cyber_3.1_SFT

数据集描述

• dataset_summary: 该数据集是自动创建的，用于评估模型LeroyDyer/Mixtral_AI_Cyber_3.1_SFT在Open LLM Leaderboard上的表现。

数据集构成

• 数据集组成: 包含63个配置，每个配置对应一个评估任务。
• 数据集创建: 数据集由1次运行创建，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命名。
• 额外配置: 有一个名为"results"的配置，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_LeroyDyer__Mixtral_AI_Cyber_3.1_SFT", "harness_winogrande_5", split="train")

最新结果

• 最新结果: 包含多个任务的评估结果，如准确率(acc)、标准误差(acc_stderr)等，具体数值参见README文件中的详细数据。

数据集配置详情

配置列表

• harness_arc_challenge_25
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5

每个配置包含不同的数据文件，用于不同的评估任务。