open-llm-leaderboard/details_nbeerbower__flammen17-mistral-7B

该数据集是在模型nbeerbower/flammen17-mistral-7B在Open LLM Leaderboard上的评估运行期间自动创建的。数据集由63个配置组成，每个配置对应一个评估任务。数据集是从1次运行中生成的，每次运行在每个配置中表示为特定的分割，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存储了运行的所有聚合结果，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Python中的datasets库加载运行中的详细信息的示例。

原始信息汇总

数据集概述

数据集基本信息

• 数据集名称: Evaluation run of nbeerbower/flammen17-mistral-7B
• 创建目的: 自动创建于模型 nbeerbower/flammen17-mistral-7B 在 Open LLM Leaderboard 上的评估运行期间。
• 数据集组成: 包含63个配置，每个配置对应一个评估任务。
• 数据集创建: 数据集由1次运行创建，每次运行作为一个特定的分割，分割名称使用运行的时间戳命名。"train"分割始终指向最新结果。

数据集结构

• 配置详情:
  • 每个配置包含一个或多个数据文件，这些文件根据不同的分割（如时间戳分割和"latest"分割）组织。
  • 示例配置包括：
    • harness_arc_challenge_25
    • harness_gsm8k_5
    • harness_hellaswag_10
    • harness_hendrycksTest_5（包含多个子任务配置）

数据集使用

• 加载数据: 使用以下Python代码示例加载特定配置的数据： python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_nbeerbower__flammen17-mistral-7B", "harness_winogrande_5", split="train")

最新结果

• 结果概览: 提供了最新的运行结果，包括多个任务的准确率（acc）和其他相关指标。
• 示例结果:
  • harness|arc:challenge|25: 准确率（acc）为0.7030716723549488。
  • harness|hellaswag|10: 准确率（acc）为0.7130053774148576。
  • harness|hendrycksTest-abstract_algebra|5: 准确率（acc）为0.35。
  • harness|winogrande|5: 准确率（acc）为0.8334648776637726。
  • harness|gsm8k|5: 准确率（acc）为0.6959818043972706。

数据集应用

• 应用场景: 用于评估和比较模型 nbeerbower/flammen17-mistral-7B 在不同任务上的性能，特别是在 Open LLM Leaderboard 上的表现。