open-llm-leaderboard-old/details_YouKnowMee__Mistral-7b-instruct-v0.2-summ-sft-dpo-ed3

该数据集是在评估模型YouKnowMee/Mistral-7b-instruct-v0.2-summ-sft-dpo-ed3在Open LLM Leaderboard上的表现时自动生成的。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2次运行生成，每次运行的结果都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

该数据集是在对模型 YouKnowMee/Mistral-7b-instruct-v0.2-summ-sft-dpo-ed3 进行评估运行期间自动创建的，用于 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。
• 运行次数：数据集从2次运行中创建。每个运行在每个配置中作为一个特定的分割存在，分割名称使用运行的时间戳。
• 训练分割："train" 分割始终指向最新的结果。
• 结果配置：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。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_YouKnowMee__Mistral-7b-instruct-v0.2-summ-sft-dpo-ed3", "harness_winogrande_5", split="train")

最新结果

以下是 最新结果 的摘要： python { "all": { "acc": 0.6492734784879889, "acc_stderr": 0.032252642569362194, "acc_norm": 0.6486765416619994, "acc_norm_stderr": 0.03292611927722137, "mc1": 0.6046511627906976, "mc1_stderr": 0.017115815632418208, "mc2": 0.7276214821635104, "mc2_stderr": 0.01481934718420006 }, "harness|arc:challenge|25": { "acc": 0.7175767918088737, "acc_stderr": 0.013155456884097222, "acc_norm": 0.7397610921501706, "acc_norm_stderr": 0.012821930225112573 }, "harness|hellaswag|10": { "acc": 0.7389962158932484, "acc_stderr": 0.0043828441286434296, "acc_norm": 0.8925512846046604, "acc_norm_stderr": 0.003090499801090434 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.34, "acc_stderr": 0.04760952285695235, "acc_norm": 0.34, "acc_norm_stderr": 0.04760952285695235 }, # 其他任务的结果... }