open-llm-leaderboard/details_Hertz__Mistral-Hermes-2x7b

该数据集是在Open LLM Leaderboard上对模型Hertz/Mistral-Hermes-2x7b进行评估时自动创建的。数据集由63个配置组成，每个配置对应一个评估任务。数据集包含一次运行的结果，每次运行在每个配置中表示为特定的分割。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库加载运行详细信息的示例。

原始信息汇总

数据集概述

数据集基本信息

• 名称: Evaluation run of Hertz/Mistral-Hermes-2x7b
• 创建目的: 自动记录模型Hertz/Mistral-Hermes-2x7b在Open LLM Leaderboard上的评估运行数据。

数据集结构

• 组成: 包含63个配置，每个配置对应一个评估任务。
• 数据来源: 数据集由1次运行创建，每次运行对应一个特定分割，分割名称为运行的时间戳。
• 特殊配置: 额外配置“results”用于存储所有运行的聚合结果，用于计算和显示聚合指标。

数据集使用方法

• 加载数据: 使用以下Python代码加载特定运行数据： python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_Hertz__Mistral-Hermes-2x7b", "harness_winogrande_5", split="train")

最新结果

• 结果示例: 提供了一系列任务的评估结果，包括准确率（acc）、标准误差（acc_stderr）等指标。
• 结果详情: 每个任务的结果包括多个评估指标，如准确率、标准误差等，具体数值因任务而异。

数据集配置详情

• 配置列表:
  • harness_arc_challenge_25: 包含特定时间戳和最新结果的数据文件。
  • harness_gsm8k_5: 包含特定时间戳和最新结果的数据文件。
  • harness_hellaswag_10: 包含特定时间戳和最新结果的数据文件。
  • harness_hendrycksTest_5: 包含多个子任务的数据文件，如抽象代数、解剖学等。

以上信息概述了数据集的基本结构、使用方法和最新结果，以及各个配置的详细数据文件路径。