open-llm-leaderboard-old/details_fhai50032__Mistral-4B-FT-2

该数据集是在模型fhai50032/Mistral-4B-FT-2的评估运行期间自动创建的，用于在Open LLM Leaderboard上进行评估。数据集由63个配置组成，每个配置对应一个被评估的任务。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。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

数据集摘要

该数据集是在对模型 fhai50032/Mistral-4B-FT-2 进行评估运行期间自动创建的，用于 Open LLM Leaderboard。

数据集组成

• 数据集包含 63 个配置，每个配置对应一个评估任务。
• 数据集从 1 次运行中创建，每个运行在每个配置中作为一个特定的分片存在，分片名称使用运行的时间戳。
• "train" 分片始终指向最新的结果。
• 额外的 "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。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_fhai50032__Mistral-4B-FT-2", "harness_winogrande_5", split="train")

最新结果

这些是最新的结果，来自 2024-03-21T16:04:01.032636 运行： python { "all": { "acc": 0.256545358914205, "acc_stderr": 0.030693487949608498, "acc_norm": 0.2570833293895939, "acc_norm_stderr": 0.03143794023974341, "mc1": 0.2717258261933905, "mc1_stderr": 0.01557284045287583, "mc2": 0.4633447036093237, "mc2_stderr": 0.01515939809395832 }, "harness|arc:challenge|25": { "acc": 0.21075085324232082, "acc_stderr": 0.011918271754852185, "acc_norm": 0.2593856655290102, "acc_norm_stderr": 0.012808273573927094 }, "harness|hellaswag|10": { "acc": 0.3316072495518821, "acc_stderr": 0.0046982853500192375, "acc_norm": 0.3963353913563035, "acc_norm_stderr": 0.004881359589148991 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.24, "acc_stderr": 0.04292346959909284, "acc_norm": 0.24, "acc_norm_stderr": 0.04292346959909284 }, # 其他任务的结果... }

配置详情

• harness_arc_challenge_25

  • 分片: 2024_03_21T16_04_01.032636, latest
  • 路径: **/details_harness|arc:challenge|25_2024-03-21T16-04-01.032636.parquet

• harness_gsm8k_5

  • 分片: 2024_03_21T16_04_01.032636, latest
  • 路径: **/details_harness|gsm8k|5_2024-03-21T16-04-01.032636.parquet

• harness_hellaswag_10

  • 分片: 2024_03_21T16_04_01.032636, latest
  • 路径: **/details_harness|hellaswag|10_2024-03-21T16-04-01.032636.parquet

• harness_hendrycksTest_5

  • 分片: 2024_03_21T16_04_01.032636, latest
  • 路径: **/details_harness|hendrycksTest-abstract_algebra|5_2024-03-21T16-04-01.032636.parquet 等