open-llm-leaderboard-old/details_OpenPipe__mistral-ft-optimized-1227

该数据集是在OpenPipe/mistral-ft-optimized-1227模型在Open LLM Leaderboard上的评估运行期间自动创建的。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2次运行中生成的，每次运行在每个配置中表示为特定的分割，train分割始终指向最新结果。此外，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文件还包含一个Python代码片段，展示了如何加载运行中的详细信息，并提供了特定运行的最新结果。

原始信息汇总

数据集概述

数据集基本信息

• 数据集名称: Evaluation run of OpenPipe/mistral-ft-optimized-1227
• 数据集来源: 自动创建于模型 OpenPipe/mistral-ft-optimized-1227 在 Open LLM Leaderboard 的评估运行中。

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。
• 创建来源: 数据集来自2次运行，每次运行在每个配置中作为一个特定的分割，分割名称使用运行的时间戳。
• 特殊配置: 一个额外的配置 "results" 存储所有运行的聚合结果，用于计算和显示在 Open LLM Leaderboard 上的聚合指标。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_OpenPipe__mistral-ft-optimized-1227", "harness_winogrande_5", split="train")

最新结果

• 最新结果来源: 2023-12-30T02:09:55.411463
• 结果示例: python { "all": { "acc": 0.655214805560653, "acc_stderr": 0.03196791889189701, "acc_norm": 0.6555902741913247, "acc_norm_stderr": 0.032620412320903916, "mc1": 0.37454100367197063, "mc1_stderr": 0.016943535128405338, "mc2": 0.5451472575391979, "mc2_stderr": 0.015603038482785155 }, "harness|arc:challenge|25": { "acc": 0.6390784982935154, "acc_stderr": 0.014034761386175452, "acc_norm": 0.6723549488054608, "acc_norm_stderr": 0.013715847940719337 }, ... }

配置详情

• 配置名称: harness_arc_challenge_25

  • 数据文件:
    • 分割: 2023_12_29T17_38_56.111573
      • 路径: **/details_harness|arc:challenge|25_2023-12-29T17-38-56.111573.parquet
    • 分割: 2023_12_30T02_09_55.411463
      • 路径: **/details_harness|arc:challenge|25_2023-12-30T02-09-55.411463.parquet
    • 分割: latest
      • 路径: **/details_harness|arc:challenge|25_2023-12-30T02-09-55.411463.parquet

• 配置名称: harness_gsm8k_5

  • 数据文件:
    • 分割: 2023_12_29T17_38_56.111573
      • 路径: **/details_harness|gsm8k|5_2023-12-29T17-38-56.111573.parquet
    • 分割: 2023_12_30T02_09_55.411463
      • 路径: **/details_harness|gsm8k|5_2023-12-30T02-09-55.411463.parquet
    • 分割: latest
      • 路径: **/details_harness|gsm8k|5_2023-12-30T02-09-55.411463.parquet

• 配置名称: harness_hellaswag_10

  • 数据文件:
    • 分割: 2023_12_29T17_38_56.111573
      • 路径: **/details_harness|hellaswag|10_2023-12-29T17-38-56.111573.parquet
    • 分割: 2023_12_30T02_09_55.411463
      • 路径: **/details_harness|hellaswag|10_2023-12-30T02-09-55.411463.parquet
    • 分割: latest
      • 路径: **/details_harness|hellaswag|10_2023-12-30T02-09-55.411463.parquet

• 配置名称: harness_hendrycksTest_5

  • 数据文件:
    • 分割: 2023_12_29T17_38_56.111573
      • 路径:
        • **/details_harness|hendrycksTest-abstract_algebra|5_2023-12-29T17-38-56.111573.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2023-12-29T17-38-56.111573.parquet
        • **/details_harness|hendrycksTest-astronomy|5_2023-12-29T17-38-56.111573.parquet
        • **/details_harness|hendrycksTest-business_ethics|5_2023-12-29T17-38-56.111573.parquet
        • **/details_harness|hendrycksTest-clinical_knowledge|5_2023-12-29T17-38-56.111573.parquet
        • **/details_harness|hendrycksTest-college_biology|5_2023-12-29T17-38-56.111573.parquet
        • **/details_harness|hendrycksTest-college_chemistry|5_2023-12-29T17-38-56.111573.parquet
        • **/details_harness|hendrycksTest-college_computer_science|5_2023-12-29T17-38-56.111573.parquet
        • **/details_harness|hendrycksTest-college_mathematics|5_2023-12-29T17-38-56.111573.parquet
        • **/details_harness|hendrycksTest-college_medicine|5_2023-12-29T17-38-56.111573.parquet
        • **/details_harness|hendrycksTest-college_physics|5_2023-12-29T17-38-56.111573.parquet
        • **/details_harness|hendrycksTest-computer_security|5_2023-12-29T17-38-56.111573.parquet
        • **/details_harness|hendrycksTest-conceptual_physics|5_2023-12-29T17-38-56.111573.parquet
        • **/details_harness|hendrycksTest-econometrics|5_2023-12-29T17-38-56.111573.parquet
        • ...