open-llm-leaderboard/details_Azure99__blossom-v5-mistral-7b

该数据集是在Open LLM Leaderboard上对模型Azure99/blossom-v5-mistral-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分割始终指向最新的结果。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`datasets`库中的`load_dataset`函数加载运行中的详细信息的示例。README中还包含了特定运行的最新结果，显示了不同任务的各种准确率指标。

原始信息汇总

数据集概述

数据集名称

• pretty_name: Evaluation run of Azure99/blossom-v5-mistral-7b

数据集描述

• dataset_summary: 该数据集是在评估模型Azure99/blossom-v5-mistral-7b的过程中自动创建的，用于Open LLM Leaderboard。

数据集组成

• 数据结构: 包含63个配置，每个配置对应一个评估任务。
• 数据来源: 数据集由1次运行创建，每次运行以时间戳命名的特定分割存储。
• 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。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_Azure99__blossom-v5-mistral-7b", "harness_winogrande_5", split="train")

最新结果

• 结果详情: 提供了一系列任务的评估结果，包括准确率(acc)、标准误差(acc_stderr)等指标。

数据集配置

配置列表

• harness_arc_challenge_25
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5

每个配置包含不同的数据文件，用于不同的评估任务，如数学、化学、物理等。

结论

该数据集专为评估Azure99/blossom-v5-mistral-7b模型在多个任务上的性能而设计，提供了详细的评估结果和配置信息，便于研究人员和开发者分析和改进模型性能。