open-llm-leaderboard-old/details_ddyuudd__mistral_nucleus09_32_sig

该数据集是在模型 ddyuudd/mistral_nucleus09_32_sig 在 Open LLM Leaderboard 上进行评估时自动生成的。数据集由 63 个配置组成，每个配置对应一个被评估的任务。数据集包含一次或多次运行的结果，每次运行都作为每个配置中的一个特定分割存储。train 分割始终指向最新的结果。此外，还有一个 results 配置，用于存储所有运行结果的聚合数据，这些数据用于计算和展示 Open LLM Leaderboard 上的聚合指标。README 还提供了如何使用 Hugging Face 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

数据集摘要

该数据集是在评估模型 ddyuudd/mistral_nucleus09_32_sig 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
• 数据来源: 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" 分割始终指向最新结果。
• 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在 Open LLM Leaderboard 上。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_ddyuudd__mistral_nucleus09_32_sig", "harness_winogrande_5", split="train")

最新结果

以下是 最新结果来自 run 2024-02-23T08:00:11.917905 的摘要：

python { "all": { "acc": 0.612441705877548, "acc_stderr": 0.03292836398610792, "acc_norm": 0.6176397576624492, "acc_norm_stderr": 0.033601375635718765, "mc1": 0.3243574051407589, "mc1_stderr": 0.01638797677964794, "mc2": 0.46365989518924117, "mc2_stderr": 0.015128810351521142 }, ... }

配置详情

• harness_arc_challenge_25

  • 分割: 2024_02_23T08_00_11.917905, latest
  • 路径: **/details_harness|arc:challenge|25_2024-02-23T08-00-11.917905.parquet

• harness_gsm8k_5

  • 分割: 2024_02_23T08_00_11.917905, latest
  • 路径: **/details_harness|gsm8k|5_2024-02-23T08-00-11.917905.parquet

• harness_hellaswag_10

  • 分割: 2024_02_23T08_00_11.917905, latest
  • 路径: **/details_harness|hellaswag|10_2024-02-23T08-00-11.917905.parquet

• harness_hendrycksTest_5

  • 分割: 2024_02_23T08_00_11.917905, latest
  • 路径: 多个文件路径，例如 **/details_harness|hendrycksTest-abstract_algebra|5_2024-02-23T08-00-11.917905.parquet