open-llm-leaderboard-old/details_Zangs3011__mistral_7b_HalfEpoch_DolphinCoder

数据集是在评估模型Zangs3011/mistral_7b_HalfEpoch_DolphinCoder时自动创建的，评估在Open LLM Leaderboard上进行。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，每次运行可以在每个配置中找到特定的分割，分割名称使用运行的时间戳。train分割始终指向最新的结果。results配置存储了所有运行的聚合结果，并用于计算和显示在Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集概述

数据集简介

该数据集是在评估模型 Zangs3011/mistral_7b_HalfEpoch_DolphinCoder 在 Open LLM Leaderboard 上的自动创建的。

数据集组成

数据集由 63 个配置组成，每个配置对应一个评估任务。数据集从 1 次运行中创建，每次运行可以在每个配置中找到特定的分割，分割名称使用运行的时间戳。"train" 分割始终指向最新的结果。

结果配置

一个额外的配置 "results" 存储了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_Zangs3011__mistral_7b_HalfEpoch_DolphinCoder", "harness_winogrande_5", split="train")

最新结果

以下是 最新结果 的摘要：

python { "all": { "acc": 0.611565024381518, "acc_stderr": 0.032882150972704735, "acc_norm": 0.6180275851937712, "acc_norm_stderr": 0.03355752116870104, "mc1": 0.3011015911872705, "mc1_stderr": 0.016058999026100612, "mc2": 0.4550661709609789, "mc2_stderr": 0.014832885424648957 }, ... }

配置详情

• config_name: harness_arc_challenge_25

  • 数据文件:
    • 分割: 2024_01_19T04_49_07.320364
      • 路径: **/details_harness|arc:challenge|25_2024-01-19T04-49-07.320364.parquet
    • 分割: latest
      • 路径: **/details_harness|arc:challenge|25_2024-01-19T04-49-07.320364.parquet

• config_name: harness_gsm8k_5

  • 数据文件:
    • 分割: 2024_01_19T04_49_07.320364
      • 路径: **/details_harness|gsm8k|5_2024-01-19T04-49-07.320364.parquet
    • 分割: latest
      • 路径: **/details_harness|gsm8k|5_2024-01-19T04-49-07.320364.parquet

• config_name: harness_hellaswag_10

  • 数据文件:
    • 分割: 2024_01_19T04_49_07.320364
      • 路径: **/details_harness|hellaswag|10_2024-01-19T04-49-07.320364.parquet
    • 分割: latest
      • 路径: **/details_harness|hellaswag|10_2024-01-19T04-49-07.320364.parquet

• config_name: harness_hendrycksTest_5

  • 数据文件:
    • 分割: 2024_01_19T04_49_07.320364
      • 路径:
        • **/details_harness|hendrycksTest-abstract_algebra|5_2024-01-19T04-49-07.320364.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2024-01-19T04-49-07.320364.parquet
        • **/details_harness|hendrycksTest-astronomy|5_2024-01-19T04-49-07.320364.parquet
        • **/details_harness|hendrycksTest-business_ethics|5_2024-01-19T04-49-07.320364.parquet
        • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-01-19T04-49-07.320364.parquet
        • **/details_harness|hendrycksTest-college_biology|5_2024-01-19T04-49-07.320364.parquet
        • **/details_harness|hendrycksTest-college_chemistry|5_2024-01-19T04-49-07.320364.parquet
        • **/details_harness|hendrycksTest-college_computer_science|5_2024-01-19T04-49-07.320364.parquet
        • **/details_harness|hendrycksTest-college_mathematics|5_2024-01-19T04-49-07.320364.parquet
        • **/details_harness|hendrycksTest-college_medicine|5_2024-01-19T04-49-07.320364.parquet
        • **/details_harness|hendrycksTest-college_physics|5_2024-01-19T04-49-07.320364.parquet
        • **/details_harness|hendrycksTest-computer_security|5_2024-01-19T04-49-07.320364.parquet
        • **/details_harness|hendrycksTest-conceptual_physics|5_2024-01-19T04-49-07.320364.parquet
        • **/details_harness|hendrycksTest-econometrics|5_2024-01-19T04-49-07.320364.parquet
        • **/details_harness|hendrycksTest-electrical_engineering|5_2024-01-19T04-49-07.320364.parquet
        • **/details_harness|hendrycksTest-elementary_mathematics|5_2024-01-19T04-49-07.320364.parquet
        • **/details_harness|hendrycksTest-formal_logic|5_2024-01-19T04-49-07.320364.parquet
        • ...