open-llm-leaderboard/details_invalid-coder__dolphin-2.1-mistral-7b-snr-laser

该数据集是在评估模型invalid-coder/dolphin-2.1-mistral-7b-snr-laser时自动创建的，主要用于在Open LLM Leaderboard上展示评估结果。数据集包含63个配置，每个配置对应一个评估任务。数据集由1次运行生成，每次运行的结果存储为特定配置中的一个分割，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，并用于计算和展示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

• pretty_name: Evaluation run of invalid-coder/dolphin-2.1-mistral-7b-snr-laser

数据集描述

• dataset_summary: 该数据集是在评估模型invalid-coder/dolphin-2.1-mistral-7b-snr-laser的过程中自动创建的，用于Open LLM Leaderboard。

数据集结构

• 组成: 由63个配置组成，每个配置对应一个评估任务。
• 创建: 数据集由1次运行创建，每次运行在每个配置中作为一个特定的分割存在，分割名称使用运行的时间戳命名。
• 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_invalid-coder__dolphin-2.1-mistral-7b-snr-laser", "harness_winogrande_5", split="train")

最新结果

• 结果来源: latest results from run 2024-03-30T15:22:56.924782
• 结果内容: 包含多个任务的评估结果，如准确率(acc)、标准误差(acc_stderr)等。

数据集配置详情

配置列表

1. config_name: harness_arc_challenge_25

   • data_files:
     • split: 2024_03_30T15_22_56.924782
       • path: /details_harness|arc:challenge|25_2024-03-30T15-22-56.924782.parquet
     • split: latest
       • path: /details_harness|arc:challenge|25_2024-03-30T15-22-56.924782.parquet

2. config_name: harness_gsm8k_5

   • data_files:
     • split: 2024_03_30T15_22_56.924782
       • path: /details_harness|gsm8k|5_2024-03-30T15-22-56.924782.parquet
     • split: latest
       • path: /details_harness|gsm8k|5_2024-03-30T15-22-56.924782.parquet

3. config_name: harness_hellaswag_10

   • data_files:
     • split: 2024_03_30T15_22_56.924782
       • path: /details_harness|hellaswag|10_2024-03-30T15-22-56.924782.parquet
     • split: latest
       • path: /details_harness|hellaswag|10_2024-03-30T15-22-56.924782.parquet

4. config_name: harness_hendrycksTest_5

   • data_files:
     • split: 2024_03_30T15_22_56.924782
       • path:
         • /details_harness|hendrycksTest-abstract_algebra|5_2024-03-30T15-22-56.924782.parquet
         • /details_harness|hendrycksTest-anatomy|5_2024-03-30T15-22-56.924782.parquet
         • /details_harness|hendrycksTest-astronomy|5_2024-03-30T15-22-56.924782.parquet
         • /details_harness|hendrycksTest-business_ethics|5_2024-03-30T15-22-56.924782.parquet
         • /details_harness|hendrycksTest-clinical_knowledge|5_2024-03-30T15-22-56.924782.parquet
         • /details_harness|hendrycksTest-college_biology|5_2024-03-30T15-22-56.924782.parquet
         • /details_harness|hendrycksTest-college_chemistry|5_2024-03-30T15-22-56.924782.parquet
         • /details_harness|hendrycksTest-college_computer_science|5_2024-03-30T15-22-56.924782.parquet
         • /details_harness|hendrycksTest-college_mathematics|5_2024-03-30T15-22-56.924782.parquet
         • /details_harness|hendrycksTest-college_medicine|5_2024-03-30T15-22-56.924782.parquet
         • /details_harness|hendrycksTest-college_physics|5_2024-03-30T15-22-56.924782.parquet
         • /details_harness|hendrycksTest-computer_security|5_2024-03-30T15-22-56.924782.parquet
         • /details_harness|hendrycksTest-conceptual_physics|5_2024-03-30T15-22-56.924782.parquet
         • /details_harness|hendrycksTest-econometrics|5_2024-03-30T15-22-56.924782.parquet
         • /details_harness|hendrycksTest-electrical_engineering|5_2024-03-30T15-22-56.924782.parquet
         • /details_harness|hendrycksTest-elementary_mathematics|5_2024-03-30T15-22-56.924782.parquet
         • /details_harness|hendrycksTest-formal_logic|5_2024-03-30T15-22-56.924782.parquet
         • **/details_harness|hendrycksTest-global_facts|5_2024-03-30T15