open-llm-leaderboard/details_eldogbbhed__NeuralMonarchCoderPearlBeagle-T3Q-Mistral-Orca-Math-DPO-7b

该数据集是在模型[eldogbbhed/NeuralMonarchCoderPearlBeagle-T3Q-Mistral-Orca-Math-DPO-7b](https://huggingface.co/eldogbbhed/NeuralMonarchCoderPearlBeagle-T3Q-Mistral-Orca-Math-DPO-7b)在[Open LLM Leaderboard](https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard)上的评估运行过程中自动创建的。数据集由63个配置组成，每个配置对应一个评估任务。数据集是从1次运行中创建的，每次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命名。"train"分割始终指向最新的结果。此外，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](https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard)上的聚合指标。

原始信息汇总

数据集概述

数据集名称: Evaluation run of eldogbbhed/NeuralMonarchCoderPearlBeagle-T3Q-Mistral-Orca-Math-DPO-7b

创建目的: 该数据集是在模型eldogbbhed/NeuralMonarchCoderPearlBeagle-T3Q-Mistral-Orca-Math-DPO-7b在Open LLM Leaderboard上的评估运行期间自动创建的。

数据集结构

组成: 数据集由63个配置组成，每个配置对应一个评估任务。

数据分割: 每个配置包含特定的时间戳分割，其中"train"分割指向最新的结果。此外，有一个额外的"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。

加载数据示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_eldogbbhed__NeuralMonarchCoderPearlBeagle-T3Q-Mistral-Orca-Math-DPO-7b", "harness_winogrande_5", split="train")

最新结果

结果示例: 提供了多个任务的准确率(acc)和标准误差(acc_stderr)等指标。例如，"harness|arc:challenge|25"的准确率为0.6834470989761092，标准误差为0.013592431519068079。

数据集配置详情

配置列表:

• harness_arc_challenge_25: 包含最新的和特定时间戳的数据分割。
• harness_gsm8k_5: 包含最新的和特定时间戳的数据分割。
• harness_hellaswag_10: 包含最新的和特定时间戳的数据分割。
• harness_hendrycksTest_5: 包含多个子任务的最新和特定时间戳的数据分割。

这些配置确保了数据的最新性和历史记录的可访问性，便于分析和追踪模型性能的变化。