open-llm-leaderboard/details_nbeerbower__flammen6-mistral-7B

该数据集是在评估模型nbeerbower/flammen6-mistral-7B时自动创建的，评估过程在Open LLM Leaderboard上进行。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，每次运行的结果作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，results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。

原始信息汇总

数据集概述

数据集名称

• pretty_name: Evaluation run of nbeerbower/flammen6-mistral-7B

数据集来源

• dataset_summary: 该数据集是自动创建的，用于评估模型 nbeerbower/flammen6-mistral-7B 在 Open LLM Leaderboard 上的表现。

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。
• 创建次数: 数据集由1次运行创建。
• 数据分割: 每次运行作为一个特定的分割，分割名称使用运行的时间戳命名。"train"分割指向最新结果。

额外配置

• 配置名称: "results"
• 功能: 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。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_nbeerbower__flammen6-mistral-7B", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自2024-03-14T21:05:30.920430的运行。
• 结果内容: 包含多个任务的评估结果，每个任务包括准确率（acc）、准确率标准误差（acc_stderr）、归一化准确率（acc_norm）和归一化准确率标准误差（acc_norm_stderr）等指标。

数据集配置详情

• 配置名称: 多种，如harness_arc_challenge_25, harness_gsm8k_5, harness_hellaswag_10等。
• 数据文件: 每个配置包含多个数据文件，根据不同的时间戳（如2024-03-14T21-05-30.920430）和"latest"分割进行组织。
• 文件路径示例: 如**/details_harness|arc:challenge|25_2024-03-14T21-05-30.920430.parquet。