open-llm-leaderboard/details_azarafrooz__mistral-7b-v2-selfplay-v0

该数据集是在评估模型azarafrooz/mistral-7b-v2-selfplay-v0时自动生成的，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，每次运行的结果存储在不同的分割中，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。

原始信息汇总

数据集概述

数据集名称

• pretty_name: Evaluation run of azarafrooz/mistral-7b-v2-selfplay-v0

数据集描述

• dataset_summary: 该数据集是在评估模型azarafrooz/mistral-7b-v2-selfplay-v0时自动创建的，用于Open LLM Leaderboard。

数据集组成

• 数据结构: 包含63个配置，每个配置对应一个评估任务。
• 数据来源: 数据集由1次运行创建，每次运行对应一个特定的分割，分割名称为运行的时间戳。
• 额外配置: “results”配置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_azarafrooz__mistral-7b-v2-selfplay-v0", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自2024-03-27T17:53:08.987346的运行结果。
• 结果内容: 包含多个任务的评估结果，如准确率(acc)、标准误差(acc_stderr)等。

配置详情

• 配置列表:
  • harness_arc_challenge_25
  • harness_gsm8k_5
  • harness_hellaswag_10
  • harness_hendrycksTest_5
• 数据文件路径: 每个配置包含多个数据文件，路径基于时间戳和配置名称。

数据集使用

• 加载数据: 使用load_dataset函数加载特定配置和分割的数据。
• 数据分析: 分析各个任务的评估结果，以优化模型性能。