open-llm-leaderboard-old/details_YouKnowMee__Mistral-7b-instruct-v0.2-summ-sft-dpo-ed2
收藏数据集概述
数据集简介
该数据集是在模型 YouKnowMee/Mistral-7b-instruct-v0.2-summ-sft-dpo-ed2 的评估运行期间自动创建的，用于 Open LLM Leaderboard。
数据集结构
- 配置数量：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：额外的 "results" 配置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。
数据加载示例
python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_YouKnowMee__Mistral-7b-instruct-v0.2-summ-sft-dpo-ed2", "harness_winogrande_5", split="train")
最新结果
以下是 2024-01-23T17:04:25.517599 运行 的最新结果：
python { "all": { "acc": 0.6490724115520589, "acc_stderr": 0.032259594360133925, "acc_norm": 0.648421745854093, "acc_norm_stderr": 0.03293377935819422, "mc1": 0.602203182374541, "mc1_stderr": 0.01713393424855968, "mc2": 0.7273114161495677, "mc2_stderr": 0.014814015917833025 }, "harness|arc:challenge|25": { "acc": 0.7192832764505119, "acc_stderr": 0.01313123812697558, "acc_norm": 0.7406143344709898, "acc_norm_stderr": 0.012808273573927106 }, "harness|hellaswag|10": { "acc": 0.7392949611631149, "acc_stderr": 0.0043812204096411725, "acc_norm": 0.8924517028480382, "acc_norm_stderr": 0.003091759094519539 }, # 其他任务的结果... }
配置详情
-
harness_arc_challenge_25
- 分割：2024_01_23T17_04_25.517599, latest
- 路径：
**/details_harness|arc:challenge|25_2024-01-23T17-04-25.517599.parquet
-
harness_gsm8k_5
- 分割：2024_01_23T17_04_25.517599, latest
- 路径：
**/details_harness|gsm8k|5_2024-01-23T17-04-25.517599.parquet
-
harness_hellaswag_10
- 分割：2024_01_23T17_04_25.517599, latest
- 路径：
**/details_harness|hellaswag|10_2024-01-23T17-04-25.517599.parquet
-
harness_hendrycksTest_5
- 分割：2024_01_23T17_04_25.517599, latest
- 路径：多个路径，例如
**/details_harness|hendrycksTest-abstract_algebra|5_2024-01-23T17-04-25.517599.parquet
以上是数据集的详细概述，包括数据集的创建背景、结构、加载示例、最新结果以及各个配置的详细信息。
