open-llm-leaderboard-old/details_nbeerbower__bophades-mistral-math-DPO-7B

该数据集是在评估模型nbeerbower/bophades-mistral-math-DPO-7B时自动创建的，主要用于在Open LLM Leaderboard上展示评估结果。数据集包含63个配置，每个配置对应一个被评估的任务。数据集由1次运行生成，每次运行的结果被存储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，用于计算和展示在Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集概述

数据集简介

该数据集是在评估模型 nbeerbower/bophades-mistral-math-DPO-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。

数据集结构

• 配置数量：63 个配置
• 运行次数：1 次运行
• 数据分割：每个配置包含特定分割，分割名称使用运行的时间戳。"train" 分割始终指向最新结果。
• 结果配置：额外的 "results" 配置存储所有聚合结果，用于计算和显示 Open LLM Leaderboard 上的聚合指标。

数据加载示例

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

最新结果

以下是 最新结果 的摘要：

python { "all": { "acc": 0.6528482939191733, "acc_stderr": 0.03209418858852385, "acc_norm": 0.651783654728172, "acc_norm_stderr": 0.03277391168213738, "mc1": 0.6217870257037944, "mc1_stderr": 0.016976335907546866, "mc2": 0.7749888585200013, "mc2_stderr": 0.013848595999672798 }, "harness|arc:challenge|25": { "acc": 0.7192832764505119, "acc_stderr": 0.01313123812697558, "acc_norm": 0.7295221843003413, "acc_norm_stderr": 0.012980954547659556 }, "harness|hellaswag|10": { "acc": 0.7189802828121888, "acc_stderr": 0.004485784468576664, "acc_norm": 0.8902609042023502, "acc_norm_stderr": 0.0031192548288489484 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.36, "acc_stderr": 0.048241815132442176, "acc_norm": 0.36, "acc_norm_stderr": 0.048241815132442176 }, # 其他任务的结果... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_04_09T06_43_49.687940, latest
  • 路径：**/details_harness|arc:challenge|25_2024-04-09T06-43-49.687940.parquet

• harness_gsm8k_5

  • 分割：2024_04_09T06_43_49.687940, latest
  • 路径：**/details_harness|gsm8k|5_2024-04-09T06-43-49.687940.parquet

• harness_hellaswag_10

  • 分割：2024_04_09T06_43_49.687940, latest
  • 路径：**/details_harness|hellaswag|10_2024-04-09T06-43-49.687940.parquet

• harness_hendrycksTest_5

  • 分割：2024_04_09T06_43_49.687940, latest
  • 路径：多个路径，例如 **/details_harness|hendrycksTest-abstract_algebra|5_2024-04-09T06-43-49.687940.parquet

以上是数据集的概述，包括数据集的简介、结构、加载示例、最新结果和配置详情。