open-llm-leaderboard/details_Replete-AI__Mistral-Evolved-11b-v0.1

该数据集是在评估模型Replete-AI/Mistral-Evolved-11b-v0.1时自动创建的，包含63个配置，每个配置对应一个评估任务。数据集由一次运行创建，每个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。此外，还有一个名为results的配置，存储了运行的所有聚合结果，用于计算和显示在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 Replete-AI/Mistral-Evolved-11b-v0.1

数据集描述

• dataset_summary: 该数据集是在评估模型Replete-AI/Mistral-Evolved-11b-v0.1的过程中自动创建的，用于Open LLM Leaderboard。

数据集构成

• 数据集包含: 63个配置，每个配置对应一个评估任务。
• 数据集创建自: 1次运行。每次运行作为一个特定的分割存在于每个配置中，分割名称使用运行的时间戳命名。
• 特殊配置: “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。

数据集加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_Replete-AI__Mistral-Evolved-11b-v0.1", "harness_winogrande_5", split="train")

最新结果

• 最新结果: 来自2024-03-21T15:15:50.568647的运行结果，包含多个任务的准确率(acc)和标准误差(acc_stderr)等指标。

配置详情

配置列表

• harness_arc_challenge_25
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5

每个配置包含多个数据文件，每个文件对应一个特定的任务和时间戳。