open-llm-leaderboard/details_DrNicefellow__Mixtral-6x7B-Instruct-v0.1-bfloat16-Trimmed024567

该数据集是在Open LLM Leaderboard上对模型DrNicefellow/Mixtral-6x7B-Instruct-v0.1-bfloat16-Trimmed024567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。数据集从1次运行中创建，每次运行可以在每个配置中找到，运行的时间戳作为分割的名称。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，用于在Open LLM Leaderboard上计算和显示聚合指标。

原始信息汇总

数据集概述

数据集名称: Evaluation run of DrNicefellow/Mixtral-6x7B-Instruct-v0.1-bfloat16-Trimmed024567

创建目的: 该数据集是自动创建的，用于评估模型DrNicefellow/Mixtral-6x7B-Instruct-v0.1-bfloat16-Trimmed024567在Open LLM Leaderboard上的表现。

数据集结构:

• 配置数量: 63个
• 每个配置对应任务: 每个配置对应一个评估任务
• 数据集创建自: 1个运行
• 数据集分割: 每个运行作为一个特定的分割，分割名称使用运行的时间戳。"train"分割始终指向最新结果。
• 额外配置: “results”配置存储所有运行的聚合结果，用于计算和显示聚合指标。

加载数据示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_DrNicefellow__Mixtral-6x7B-Instruct-v0.1-bfloat16-Trimmed024567", "harness_winogrande_5", split="train")

最新结果

最新结果包括多个任务的评估数据，例如：

• harness|arc:challenge|25: 准确率(acc)为0.5110921501706485，标准化准确率(acc_norm)为0.5665529010238908。
• harness|hellaswag|10: 准确率(acc)为0.5912168890659231，标准化准确率(acc_norm)为0.7884883489344752。
• harness|hendrycksTest-abstract_algebra|5: 准确率(acc)为0.32，标准化准确率(acc_norm)为0.32。
• harness|winogrande|5: 准确率(acc)为0.7119179163378059。
• harness|gsm8k|5: 准确率(acc)为0.060652009097801364。

这些结果提供了模型在不同任务上的性能指标，有助于评估和比较模型的能力。