open-llm-leaderboard-old/details_LeroyDyer__Mixtral_AI_128k_b

该数据集是在评估模型LeroyDyer/Mixtral_AI_128k_b的运行过程中自动创建的，用于Open LLM Leaderboard的评估。数据集包含63个配置，每个配置对应一个评估任务，且每个任务有多个基于不同时间戳的运行结果。此外，还有一个特殊的配置"results"，用于存储所有任务的聚合结果，以便在Leaderboard上展示和计算聚合指标。

原始信息汇总

数据集概述

数据集简介

该数据集是在评估模型LeroyDyer/Mixtral_AI_128k_b在Open LLM Leaderboard上的自动创建的。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

数据集由1次运行创建，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。

结果配置

一个额外的配置"results"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。

加载数据示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_LeroyDyer__Mixtral_AI_128k_b", "harness_winogrande_5", split="train")

最新结果

这些是最新的结果，来自2024-03-22T00:29:42.883802的运行： python { "all": { "acc": 0.6370404140176479, "acc_stderr": 0.03244713202454115, "acc_norm": 0.6411769374551979, "acc_norm_stderr": 0.03309762374460682, "mc1": 0.40024479804161567, "mc1_stderr": 0.017151605555749138, "mc2": 0.5708502006690636, "mc2_stderr": 0.015277542354002341 }, "harness|arc:challenge|25": { "acc": 0.60580204778157, "acc_stderr": 0.014280522667467321, "acc_norm": 0.6407849829351536, "acc_norm_stderr": 0.014020224155839162 }, "harness|hellaswag|10": { "acc": 0.6638119896434973, "acc_stderr": 0.004714386376337134, "acc_norm": 0.8468432583150767, "acc_norm_stderr": 0.003594024993230561 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.37, "acc_stderr": 0.04852365870939099, "acc_norm": 0.37, "acc_norm_stderr": 0.04852365870939099 }, # 其他任务的结果... }

配置详情

• harness_arc_challenge_25

  • 分割: 2024_03_22T00_29_42.883802, latest
  • 路径: **/details_harness|arc:challenge|25_2024-03-22T00-29-42.883802.parquet

• harness_gsm8k_5

  • 分割: 2024_03_22T00_29_42.883802, latest
  • 路径: **/details_harness|gsm8k|5_2024-03-22T00-29-42.883802.parquet

• harness_hellaswag_10

  • 分割: 2024_03_22T00_29_42.883802, latest
  • 路径: **/details_harness|hellaswag|10_2024-03-22T00-29-42.883802.parquet

• harness_hendrycksTest_5

  • 分割: 2024_03_22T00_29_42.883802, latest
  • 路径: **/details_harness|hendrycksTest-abstract_algebra|5_2024-03-22T00-29-42.883802.parquet, 其他任务路径...