open-llm-leaderboard-old/details_Pierre-obi__Mistral_solar-slerp

该数据集是在评估模型Pierre-obi/Mistral_solar-slerp时自动创建的，评估过程在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，分割以运行的时间戳命名。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，并用于计算和显示Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集概述

该数据集是在评估模型 Pierre-obi/Mistral_solar-slerp 在 Open LLM Leaderboard 上的运行过程中自动创建的。数据集包含 63 个配置，每个配置对应一个评估任务。

数据集结构

• 配置数量：63
• 创建来源：1 次运行
• 数据分割：每个配置包含特定分割，分割名称使用运行的时间戳。"train" 分割始终指向最新结果。
• 额外配置："results" 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_Pierre-obi__Mistral_solar-slerp", "harness_winogrande_5", split="train")

最新结果

以下是 2024-01-13T23:33:11.418111 运行的最新结果：

python { "all": { "acc": 0.40347501414405273, "acc_stderr": 0.03383375290012146, "acc_norm": 0.40822900373379084, "acc_norm_stderr": 0.03472416283155831, "mc1": 0.2876376988984088, "mc1_stderr": 0.015846315101394802, "mc2": 0.46956525596934184, "mc2_stderr": 0.015501210721813442 }, "harness|arc:challenge|25": { "acc": 0.4044368600682594, "acc_stderr": 0.014342036483436174, "acc_norm": 0.4300341296928328, "acc_norm_stderr": 0.014467631559137994 }, "harness|hellaswag|10": { "acc": 0.4433379804819757, "acc_stderr": 0.004957637648426472, "acc_norm": 0.5792670782712607, "acc_norm_stderr": 0.004926678108601339 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.28, "acc_stderr": 0.04512608598542128, "acc_norm": 0.28, "acc_norm_stderr": 0.04512608598542128 }, # 其他任务的结果... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_01_13T23_33_11.418111, latest
  • 路径：**/details_harness|arc:challenge|25_2024-01-13T23-33-11.418111.parquet

• harness_gsm8k_5

  • 分割：2024_01_13T23_33_11.418111, latest
  • 路径：**/details_harness|gsm8k|5_2024-01-13T23-33-11.418111.parquet

• harness_hellaswag_10

  • 分割：2024_01_13T23_33_11.418111, latest
  • 路径：**/details_harness|hellaswag|10_2024-01-13T23-33-11.418111.parquet

• harness_hendrycksTest_5

  • 分割：2024_01_13T23_33_11.418111, latest
  • 路径：多个路径，如 **/details_harness|hendrycksTest-abstract_algebra|5_2024-01-13T23-33-11.418111.parquet 等

以上是数据集的概述和详细信息，包括数据集的结构、加载示例、最新结果以及各个配置的详细信息。