five

open-llm-leaderboard-old/details_jisukim8873__mistral-7B-alpaca-case-0-2

收藏
Hugging Face2024-04-02 更新2024-06-22 收录
下载链接:
https://hf-mirror.com/datasets/open-llm-leaderboard-old/details_jisukim8873__mistral-7B-alpaca-case-0-2
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jisukim8873/mistral-7B-alpaca-case-0-2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分割存储在配置中,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,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jisukim8873/mistral-7B-alpaca-case-0-2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分割存储在配置中,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,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

数据集摘要

该数据集是在评估模型 jisukim8873/mistral-7B-alpaca-case-0-2Open LLM Leaderboard 上的评估运行期间自动创建的。

数据集组成

  • 该数据集包含 63 个配置,每个配置对应一个评估任务。
  • 数据集从 1 次运行中创建,每次运行可以在每个配置中找到特定的拆分,拆分名称使用运行的时间戳。
  • "train" 拆分始终指向最新的结果。
  • 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。

最新结果

以下是 最新结果来自 run 2024-04-02T15:26:32.124821 的摘要:

python { "all": { "acc": 0.5962447605325681, "acc_stderr": 0.033197808416410186, "acc_norm": 0.6039318228216791, "acc_norm_stderr": 0.033919783529625006, "mc1": 0.31456548347613217, "mc1_stderr": 0.016255241993179178, "mc2": 0.4356364417645542, "mc2_stderr": 0.015234232689748118 }, "harness|arc:challenge|25": { "acc": 0.5802047781569966, "acc_stderr": 0.01442218122630303, "acc_norm": 0.6168941979522184, "acc_norm_stderr": 0.014206472661672877 }, "harness|hellaswag|10": { "acc": 0.6339374626568413, "acc_stderr": 0.004807423343224584, "acc_norm": 0.8173670583549094, "acc_norm_stderr": 0.0038557568514415415 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.29, "acc_stderr": 0.04560480215720685, "acc_norm": 0.29, "acc_norm_stderr": 0.04560480215720685 }, # 其他任务的结果... }

配置详情

  • harness_arc_challenge_25

    • 拆分: 2024_04_02T15_26_32.124821, latest
    • 路径: **/details_harness|arc:challenge|25_2024-04-02T15-26-32.124821.parquet
  • harness_gsm8k_5

    • 拆分: 2024_04_02T15_26_32.124821, latest
    • 路径: **/details_harness|gsm8k|5_2024-04-02T15-26-32.124821.parquet
  • harness_hellaswag_10

    • 拆分: 2024_04_02T15_26_32.124821, latest
    • 路径: **/details_harness|hellaswag|10_2024-04-02T15-26-32.124821.parquet
  • harness_hendrycksTest_5

    • 拆分: 2024_04_02T15_26_32.124821, latest
    • 路径:
      • **/details_harness|hendrycksTest-abstract_algebra|5_2024-04-02T15-26-32.124821.parquet
      • **/details_harness|hendrycksTest-anatomy|5_2024-04-02T15-26-32.124821.parquet
      • **/details_harness|hendrycksTest-astronomy|5_2024-04-02T15-26-32.124821.parquet
      • **/details_harness|hendrycksTest-business_ethics|5_2024-04-02T15-26-32.124821.parquet
      • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-04-02T15-26-32.124821.parquet
      • **/details_harness|hendrycksTest-college_biology|5_2024-04-02T15-26-32.124821.parquet
      • **/details_harness|hendrycksTest-college_chemistry|5_2024-04-02T15-26-32.124821.parquet
      • **/details_harness|hendrycksTest-college_computer_science|5_2024-04-02T15-26-32.124821.parquet
      • **/details_harness|hendrycksTest-college_mathematics|5_2024-04-02T15-26-32.124821.parquet
      • **/details_harness|hendrycksTest-college_medicine|5_2024-04-02T15-26-32.124821.parquet
      • **/details_harness|hendrycksTest-college_physics|5_2024-04-02T15-26-32.124821.parquet
      • **/details_harness|hendrycksTest-computer_security|5_2024-04-02T15-26-32.124821.parquet
      • **/details_harness|hendrycksTest-conceptual_physics|5_2024-04-02T15-26-32.124821.parquet
      • **/details_harness|hendrycksTest-econometrics|5_2024-04-02T15-26-32.124821.parquet
      • **/details_harness|hendrycksTest-electrical_engineering|5_2024-04-02T15-26-32.124821.parquet
      • **/details_harness|hendrycksTest-elementary_mathematics|5_2024-04-02T15-26-32.124821.parquet
      • **/details_harness|hendrycksTest-formal_logic|5_2024-04-02T15-26-32.124821.parquet
      • **/details_harness|hendrycksTest-global_facts|5_2024-04-02T15-26-32.124821.parquet

      其他路径...

}

5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作