open-llm-leaderboard-old/details_Vezora__Mistral-22B-v0.2
收藏Hugging Face2024-04-15 更新2024-06-22 收录
下载链接：
https://hf-mirror.com/datasets/open-llm-leaderboard-old/details_Vezora__Mistral-22B-v0.2
下载链接
链接失效反馈官方服务：
资源简介：
该数据集是在Open LLM Leaderboard上对模型Vezora/Mistral-22B-v0.2进行评估时自动创建的。数据集包含63个配置，每个配置对应一个评估任务。数据集由1次运行生成，每次运行的结果作为一个特定的split存储在配置中，split的名称使用运行的时间戳。train split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，用于在Open LLM Leaderboard上计算和显示聚合指标。
该数据集是在Open LLM Leaderboard上对模型Vezora/Mistral-22B-v0.2进行评估时自动创建的。数据集包含63个配置，每个配置对应一个评估任务。数据集由1次运行生成，每次运行的结果作为一个特定的split存储在配置中，split的名称使用运行的时间戳。train split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，用于在Open LLM Leaderboard上计算和显示聚合指标。
提供机构：
open-llm-leaderboard-old
原始信息汇总
数据集概述
数据集基本信息
- 名称: Evaluation run of Vezora/Mistral-22B-v0.2
- 创建目的: 在模型 Vezora/Mistral-22B-v0.2 的评估运行期间自动创建
- 来源: Open LLM Leaderboard
数据集结构
- 配置数量: 63个配置，每个配置对应一个评估任务
- 创建次数: 从1次运行中创建，每次运行作为特定分片存储，分片名称使用运行的时间戳
- 最新结果: "train" 分片始终指向最新结果
- 聚合结果: 额外配置 "results" 存储所有运行的聚合结果，用于计算和显示聚合指标
数据加载示例
python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_Vezora__Mistral-22B-v0.2", "harness_winogrande_5", split="train")
最新结果
- 来源: 最新结果来自 run 2024-04-15T22:13:51.990378
- 详细指标: 包含多个任务的准确率（acc）、标准化准确率（acc_norm）及其标准误差（stderr）等指标
配置详情
- 配置名称: harness_arc_challenge_25, harness_gsm8k_5, harness_hellaswag_10, harness_hendrycksTest_5 等
- 数据文件: 每个配置包含多个分片，如 2024_04_15T22_13_51.990378 和 latest，路径指向相应的 parquet 文件
