open-llm-leaderboard/details_deepseek-ai__deepseek-math-7b-instruct

该数据集是在模型 deepseek-ai/deepseek-math-7b-instruct 在 Open LLM Leaderboard 上的评估过程中自动生成的。数据集由 63 个配置组成，每个配置对应一个被评估的任务。它包含 2 次运行的数据，每次运行都作为每个配置中的一个特定分割存储，分割名称由运行的时间戳命名。train 分割始终指向最新的结果。一个名为 results 的额外配置存储了所有运行的聚合结果，这些结果用于计算和显示 Open LLM Leaderboard 上的聚合指标。README 还提供了如何使用 Python 中的 datasets 库加载数据集的示例，并包含了特定运行的最新结果。

原始信息汇总

数据集概述

数据集名称

• pretty_name: Evaluation run of deepseek-ai/deepseek-math-7b-instruct

数据集来源

• dataset_summary: 该数据集是在评估模型deepseek-ai/deepseek-math-7b-instruct的过程中自动创建的，评估过程在Open LLM Leaderboard上进行。

数据集组成

• 配置数量: 63个配置，每个配置对应一个评估任务。
• 数据集创建: 从2次运行中创建，每次运行作为一个特定的分割，分割名称使用运行的时间戳命名。
• 额外配置: 一个名为"results"的配置，存储所有运行的聚合结果，用于计算和显示聚合指标。

数据集加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_deepseek-ai__deepseek-math-7b-instruct", "harness_winogrande_5", split="train")

最新结果

• 最新结果来源: 来自2024-03-13T18:13:18.094811的运行。
• 结果内容: 包含多个任务的评估结果，每个任务包括准确率（acc）、标准误差（acc_stderr）、归一化准确率（acc_norm）和归一化标准误差（acc_norm_stderr）等指标。

配置详情

• 配置名称: 多个配置，如harness_arc_challenge_25, harness_gsm8k_5, harness_hellaswag_10等。
• 数据文件: 每个配置包含多个分割的数据文件，路径基于时间戳命名。

以上信息总结了数据集的基本情况，包括其来源、组成、加载方式以及最新的评估结果。