open-llm-leaderboard-old/details_TokenBender__pic_7B_mistral_Full_v0.2

该数据集是在评估模型TokenBender/pic_7B_mistral_Full_v0.2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1次运行生成，每次运行的结果作为特定分割存储在配置中，分割名称使用运行的时间戳。train分割始终指向最新结果。此外，results配置存储了所有运行的聚合结果，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

数据集简介

该数据集是在评估模型 TokenBender/pic_7B_mistral_Full_v0.2 在 Open LLM Leaderboard 上的运行过程中自动创建的。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

• 配置数量：63
• 创建来源：1 次运行
• 数据分割：每个配置包含特定分割，分割名称使用运行的时间戳。"train" 分割始终指向最新的结果。
• 额外配置："results" 配置存储所有运行结果的聚合，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_TokenBender__pic_7B_mistral_Full_v0.2", "harness_winogrande_5", split="train")

最新结果

以下是 2023-12-07T23:49:49.992744 运行 的最新结果：

python { "all": { "acc": 0.6463339087864225, "acc_stderr": 0.03216750582183759, "acc_norm": 0.6485521430662642, "acc_norm_stderr": 0.0328130854300184, "mc1": 0.42717258261933905, "mc1_stderr": 0.01731683441096393, "mc2": 0.5920316586461081, "mc2_stderr": 0.015007888316808188 }, "harness|arc:challenge|25": { "acc": 0.6237201365187713, "acc_stderr": 0.014157022555407161, "acc_norm": 0.6535836177474402, "acc_norm_stderr": 0.013905011180063228 }, "harness|hellaswag|10": { "acc": 0.6397132045409281, "acc_stderr": 0.004791024004588012, "acc_norm": 0.8402708623780123, "acc_norm_stderr": 0.0036560593900501087 }, # 其他任务结果省略 }

配置详情

• harness_arc_challenge_25

  • 分割：2023_12_07T23_49_49.992744, latest
  • 路径：**/details_harness|arc:challenge|25_2023-12-07T23-49-49.992744.parquet

• harness_gsm8k_5

  • 分割：2023_12_07T23_49_49.992744, latest
  • 路径：**/details_harness|gsm8k|5_2023-12-07T23-49-49.992744.parquet

• harness_hellaswag_10

  • 分割：2023_12_07T23_49_49.992744, latest
  • 路径：**/details_harness|hellaswag|10_2023-12-07T23-49-49.992744.parquet

• harness_hendrycksTest_5

  • 分割：2023_12_07T23_49_49.992744, latest
  • 路径：多个路径，例如 **/details_harness|hendrycksTest-abstract_algebra|5_2023-12-07T23-49-49.992744.parquet