open-llm-leaderboard/details_DrNicefellow__Mistral-7-from-Mixtral-8x7B-v0.1

该数据集是在Open LLM Leaderboard上对模型DrNicefellow/Mistral-7-from-Mixtral-8x7B-v0.1进行评估运行时自动创建的。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，每次运行都作为每个配置中的一个特定分割存储，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，用于计算和显示Open LLM Leaderboard上的聚合指标。README还提供了一个使用Python中的datasets库加载运行细节的示例。

原始信息汇总

数据集概述

数据集名称: Evaluation run of DrNicefellow/Mistral-7-from-Mixtral-8x7B-v0.1

创建目的: 该数据集是在评估模型DrNicefellow/Mistral-7-from-Mixtral-8x7B-v0.1的过程中自动创建的，用于Open LLM Leaderboard的评估。

数据集组成: 数据集包含63个配置，每个配置对应一个评估任务。每个配置中包含多个分割，这些分割以运行的时间戳命名，其中"train"分割指向最新的结果。

额外配置: 存在一个名为"results"的配置，用于存储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。

数据集加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_DrNicefellow__Mistral-7-from-Mixtral-8x7B-v0.1", "harness_winogrande_5", split="train")

最新结果

最新结果包括多个任务的评估数据，例如：

• harness|arc:challenge|25: 准确率(acc)为0.2175767918088737，标准化准确率(acc_norm)为0.2909556313993174。
• harness|hellaswag|10: 准确率(acc)为0.25791674965146383，标准化准确率(acc_norm)为0.2656841266679944。
• harness|hendrycksTest-abstract_algebra|5: 准确率(acc)为0.23，标准化准确率(acc_norm)为0.23。

这些结果展示了模型在不同任务上的性能表现。