open-llm-leaderboard-old/details_pinkyponky__Mistral-7b-instruct-v0.2-summ-sft-e1
收藏Hugging Face2024-01-21 更新2024-06-22 收录
下载链接：
https://hf-mirror.com/datasets/open-llm-leaderboard-old/details_pinkyponky__Mistral-7b-instruct-v0.2-summ-sft-e1
下载链接
链接失效反馈官方服务：
资源简介：
该数据集是在Open LLM Leaderboard上对模型pinkyponky/Mistral-7b-instruct-v0.2-summ-sft-e1进行评估时自动创建的。数据集包含63个配置，每个配置对应一个评估任务。数据集由2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，还有一个名为results的配置，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。
该数据集是在Open LLM Leaderboard上对模型pinkyponky/Mistral-7b-instruct-v0.2-summ-sft-e1进行评估时自动创建的。数据集包含63个配置，每个配置对应一个评估任务。数据集由2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，还有一个名为results的配置，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。
提供机构：
open-llm-leaderboard-old
原始信息汇总
数据集概述
数据集创建
- 创建背景：该数据集是在对模型
pinkyponky/Mistral-7b-instruct-v0.2-summ-sft-e1进行评估运行期间自动创建的。 - 评估平台：数据集的创建基于 Open LLM Leaderboard。
数据集结构
- 配置数量：数据集包含 63 个配置，每个配置对应一个评估任务。
- 运行次数：数据集从 2 次运行中生成。每个运行在每个配置中作为一个特定的分割存在，分割名称使用运行的时间戳。
- 最新结果："train" 分割始终指向最新的结果。
- 聚合结果：一个额外的配置 "results" 存储所有运行的聚合结果，用于计算和显示在 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_pinkyponky__Mistral-7b-instruct-v0.2-summ-sft-e1", "harness_winogrande_5", split="train")
最新结果
- 最新结果来源：这些是最新结果，来自 2024-01-21T05:33:56.046720 运行。
- 结果示例： python { "all": { "acc": 0.5886798841868525, "acc_stderr": 0.033481177434210675, "acc_norm": 0.5934525981229489, "acc_norm_stderr": 0.034167981418467, "mc1": 0.4700122399020808, "mc1_stderr": 0.017471992091697537, "mc2": 0.6312877411374193, "mc2_stderr": 0.015524870393458118 }, "harness|arc:challenge|25": { "acc": 0.5435153583617748, "acc_stderr": 0.014555949760496444, "acc_norm": 0.6015358361774744, "acc_norm_stderr": 0.014306946052735567 }, "harness|hellaswag|10": { "acc": 0.6310495917147978, "acc_stderr": 0.004815343349305216, "acc_norm": 0.8259310894244174, "acc_norm_stderr": 0.0037839381501516165 }, ... }
配置详情
-
配置名称：
harness_arc_challenge_25- 数据文件：
- 分割：
2024_01_21T05_27_51.994355- 路径：
**/details_harness|arc:challenge|25_2024-01-21T05-27-51.994355.parquet
- 路径：
- 分割：
2024_01_21T05_33_56.046720- 路径：
**/details_harness|arc:challenge|25_2024-01-21T05-33-56.046720.parquet
- 路径：
- 分割：
latest- 路径：
**/details_harness|arc:challenge|25_2024-01-21T05-33-56.046720.parquet
- 路径：
- 分割：
- 数据文件：
-
配置名称：
harness_gsm8k_5- 数据文件：
- 分割：
2024_01_21T05_27_51.994355- 路径：
**/details_harness|gsm8k|5_2024-01-21T05-27-51.994355.parquet
- 路径：
- 分割：
2024_01_21T05_33_56.046720- 路径：
**/details_harness|gsm8k|5_2024-01-21T05-33-56.046720.parquet
- 路径：
- 分割：
latest- 路径：
**/details_harness|gsm8k|5_2024-01-21T05-33-56.046720.parquet
- 路径：
- 分割：
- 数据文件：
-
配置名称：
harness_hellaswag_10- 数据文件：
- 分割：
2024_01_21T05_27_51.994355- 路径：
**/details_harness|hellaswag|10_2024-01-21T05-27-51.994355.parquet
- 路径：
- 分割：
2024_01_21T05_33_56.046720- 路径：
**/details_harness|hellaswag|10_2024-01-21T05-33-56.046720.parquet
- 路径：
- 分割：
latest- 路径：
**/details_harness|hellaswag|10_2024-01-21T05-33-56.046720.parquet
- 路径：
- 分割：
- 数据文件：
-
配置名称：
harness_hendrycksTest_5- 数据文件：
- 分割：
2024_01_21T05_27_51.994355- 路径：
**/details_harness|hendrycksTest-abstract_algebra|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-anatomy|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-astronomy|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-business_ethics|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-clinical_knowledge|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-college_biology|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-college_chemistry|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-college_computer_science|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-college_mathematics|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-college_medicine|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-college_physics|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-computer_security|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-conceptual_physics|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-econometrics|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-electrical_engineering|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-elementary_mathematics|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-formal_logic|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-global_facts|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-high_school_biology|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-high_school_chemistry|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-high_school_computer_science|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-high_school_european_history|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-high_school_geography|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-high_school_government_and_politics|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-high_school_macroeconomics|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-high_school_mathematics|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-high_school_microeconomics|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-high_school_physics|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-high_school_psychology|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-high_school_statistics|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-high_school_us_history|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-high_school_world_history|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-human_aging|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-human_sexuality|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-international_law|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-jurisprudence|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-logical_fallacies|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-machine_learning|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-management|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-marketing|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-medical_genetics|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-miscellaneous|5_2024-01-21T05-27-51.994355.parquet**/details_harness|hendrycksTest-moral_disputes|5_2024-01-21T05-27-51.994355.parquet- `**/details_harness|hendrycksTest-moral_scenarios|5_202
- 路径：
- 分割：
- 数据文件：
搜集汇总
背景与挑战
背景概述
该数据集是Open LLM Leaderboard上对模型pinkyponky/Mistral-7b-instruct-v0.2-summ-sft-e1进行评估时自动生成的，包含63个配置对应不同评估任务，由2次运行的結果组成，其中train分割指向最新结果，并有一个results配置用于聚合指标计算。数据集主要用于模型性能的评估和展示，体现了其自动化和结构化的特点。
以上内容由遇见数据集搜集并总结生成
