open-llm-leaderboard-old/details_XuanXuanXuanXuan__Mistral-7B-Instruct-v0.2-gpt-4-80k
收藏数据集概述
数据集简介
该数据集是在模型XuanXuanXuanXuan/Mistral-7B-Instruct-v0.2-gpt-4-80k的评估运行期间自动创建的，用于Open LLM Leaderboard。
数据集结构
- 配置数量：63个配置，每个配置对应一个评估任务。
- 数据来源：数据集来自1次运行，每个运行在每个配置中作为一个特定的分割存在，分割名称使用运行的时间戳。
- 最新结果："train"分割始终指向最新的结果。
- 汇总结果：一个额外的配置"results"存储所有运行的汇总结果，用于计算和显示Open LLM Leaderboard上的汇总指标。
数据加载示例
python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_XuanXuanXuanXuan__Mistral-7B-Instruct-v0.2-gpt-4-80k", "harness_winogrande_5", split="train")
最新结果
以下是2024-03-15T09:44:07.044254的最新结果：
python { "all": { "acc": 0.6069080123338292, "acc_stderr": 0.033050604752592964, "acc_norm": 0.6121049072824598, "acc_norm_stderr": 0.033720220585086495, "mc1": 0.4602203182374541, "mc1_stderr": 0.01744801722396088, "mc2": 0.6394631048375904, "mc2_stderr": 0.015157653750037884 }, "harness|arc:challenge|25": { "acc": 0.5520477815699659, "acc_stderr": 0.014532011498211678, "acc_norm": 0.5802047781569966, "acc_norm_stderr": 0.01442218122630303 }, "harness|hellaswag|10": { "acc": 0.5894244174467238, "acc_stderr": 0.0049093289929150775, "acc_norm": 0.788886675960964, "acc_norm_stderr": 0.004072645874992216 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.29, "acc_stderr": 0.045604802157206845, "acc_norm": 0.29, "acc_norm_stderr": 0.045604802157206845 }, # 其他任务的结果... }
配置详情
-
harness_arc_challenge_25
- 分割：2024_03_15T09_44_07.044254, latest
- 路径：
**/details_harness|arc:challenge|25_2024-03-15T09-44-07.044254.parquet
-
harness_gsm8k_5
- 分割：2024_03_15T09_44_07.044254, latest
- 路径：
**/details_harness|gsm8k|5_2024-03-15T09-44-07.044254.parquet
-
harness_hellaswag_10
- 分割：2024_03_15T09_44_07.044254, latest
- 路径：
**/details_harness|hellaswag|10_2024-03-15T09-44-07.044254.parquet
-
harness_hendrycksTest_5
- 分割：2024_03_15T09_44_07.044254, latest
- 路径：
**/details_harness|hendrycksTest-abstract_algebra|5_2024-03-15T09-44-07.044254.parquet等
