open-llm-leaderboard-old/details_mlabonne__Mistralpaca-7B

该数据集是在Open LLM Leaderboard上对模型mlabonne/Mistralpaca-7B进行评估时自动创建的。数据集由63个配置组成，每个配置对应一个评估任务。数据集包含1次运行的结果，每次运行在每个配置中表示为特定的分割，train分割始终指向最新结果。此外，名为results的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。README还提供了如何使用Python中的datasets库加载运行细节的示例。

原始信息汇总

数据集概述

数据集摘要

该数据集是在评估模型 mlabonne/Mistralpaca-7B 在 Open LLM Leaderboard 上的自动创建的。数据集包含 63 个配置，每个配置对应一个评估任务。数据集从 1 次运行中创建，每个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。

数据集结构

数据集包含以下配置：

• harness_arc_challenge_25
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5

每个配置包含多个数据文件，分为不同的分割（如 2024_03_22T17_05_59.631775 和 latest），每个分割对应一个或多个数据文件路径。

最新结果

以下是 最新结果 的摘要：

python { "all": { "acc": 0.5938237050372654, "acc_stderr": 0.033175671534551573, "acc_norm": 0.59950747855604, "acc_norm_stderr": 0.03385088815881686, "mc1": 0.36474908200734396, "mc1_stderr": 0.016850961061720116, "mc2": 0.5317344352690491, "mc2_stderr": 0.015954565977647522 }, "harness|arc:challenge|25": { "acc": 0.5853242320819113, "acc_stderr": 0.014397070564409174, "acc_norm": 0.6203071672354948, "acc_norm_stderr": 0.014182119866974872 }, "harness|hellaswag|10": { "acc": 0.6468830910177256, "acc_stderr": 0.00476961882919651, "acc_norm": 0.8343955387373033, "acc_norm_stderr": 0.003709654977628468 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.23, "acc_stderr": 0.042295258468165065, "acc_norm": 0.23, "acc_norm_stderr": 0.042295258468165065 }, # 其他任务的结果... }

数据加载示例

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