open-llm-leaderboard-old/details_argilla__CapybaraHermes-2.5-Mistral-7B

该数据集是在评估模型argilla/CapybaraHermes-2.5-Mistral-7B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。数据集由1次运行生成，每次运行的结果作为特定配置中的一个分割，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，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

该数据集是在对模型 argilla/CapybaraHermes-2.5-Mistral-7B 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。
• 一个额外的配置 "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。

最新结果

以下是 2024-02-05T04:37:41.932157 运行的最新结果：

python { "all": { "acc": 0.6337927509624036, "acc_stderr": 0.03218425697687337, "acc_norm": 0.6355188446806315, "acc_norm_stderr": 0.032825707370373276, "mc1": 0.40269277845777235, "mc1_stderr": 0.01716883093518722, "mc2": 0.5691194812882566, "mc2_stderr": 0.015444382729777764 }, "harness|arc:challenge|25": { "acc": 0.6313993174061433, "acc_stderr": 0.014097810678042196, "acc_norm": 0.6578498293515358, "acc_norm_stderr": 0.013864152159177278 }, "harness|hellaswag|10": { "acc": 0.6708822943636725, "acc_stderr": 0.004689324696186879, "acc_norm": 0.854511053574985, "acc_norm_stderr": 0.0035187252573655988 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.27, "acc_stderr": 0.0446196043338474, "acc_norm": 0.27, "acc_norm_stderr": 0.0446196043338474 }, # 其他任务的结果省略... }

配置详情

• harness_arc_challenge_25

  • 分割: 2024_02_05T04_37_41.932157, latest
  • 路径: **/details_harness|arc:challenge|25_2024-02-05T04-37-41.932157.parquet

• harness_gsm8k_5

  • 分割: 2024_02_05T04_37_41.932157, latest
  • 路径: **/details_harness|gsm8k|5_2024-02-05T04-37-41.932157.parquet

• harness_hellaswag_10

  • 分割: 2024_02_05T04_37_41.932157, latest
  • 路径: **/details_harness|hellaswag|10_2024-02-05T04-37-41.932157.parquet

• harness_hendrycksTest_5

  • 分割: 2024_02_05T04_37_41.932157, latest
  • 路径: 多个路径，包括 **/details_harness|hendrycksTest-abstract_algebra|5_2024-02-05T04-37-41.932157.parquet 等

以上是数据集的概述和配置详情。