open-llm-leaderboard-old/details_YeungNLP__firefly-mixtral-8x7b-v1

该数据集是在评估模型YeungNLP/firefly-mixtral-8x7b-v1时自动创建的，评估过程在Open LLM Leaderboard上进行。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，并用于计算和显示Open LLM Leaderboard上的聚合指标。

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YeungNLP/firefly-mixtral-8x7b-v1在Open LLM Leaderboard上的自动创建的。数据集由63个配置组成，每个配置对应一个评估任务。数据集从1次运行中创建，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。

数据集结构

数据集包含以下配置：

• 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，分为不同的分割（如2023_12_23T20_18_39.786193和latest），每个分割对应不同的parquet文件路径。

最新结果

以下是最新结果的摘要： python { "all": { "acc": 0.7128522987523449, "acc_stderr": 0.030245263140979715, "acc_norm": 0.7167785241964734, "acc_norm_stderr": 0.03083288189023405, "mc1": 0.40269277845777235, "mc1_stderr": 0.017168830935187222, "mc2": 0.553071814559571, "mc2_stderr": 0.0151346546936277 }, "harness|arc:challenge|25": { "acc": 0.6527303754266212, "acc_stderr": 0.013913034529620448, "acc_norm": 0.6808873720136519, "acc_norm_stderr": 0.013621696119173306 }, "harness|hellaswag|10": { "acc": 0.6661023700458076, "acc_stderr": 0.0047063982523824635, "acc_norm": 0.8575980880302728, "acc_norm_stderr": 0.0034874768122805247 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.39, "acc_stderr": 0.04902071300001975, "acc_norm": 0.39, "acc_norm_stderr": 0.04902071300001975 }, # 其他任务的结果... }

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_YeungNLP__firefly-mixtral-8x7b-v1", "harness_winogrande_5", split="train")