open-llm-leaderboard-old/details_PeanutJar__Mistral-v0.1-PeanutButter-v0.0.0-7B

该数据集是在Open LLM Leaderboard上对模型PeanutJar/Mistral-v0.1-PeanutButter-v0.0.0-7B进行评估时自动创建的。数据集由64个配置组成，每个配置对应一个评估任务。数据集是从2次运行中创建的，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，还有一个名为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`库加载数据集的示例，并包含了特定运行的最新结果。

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 PeanutJar/Mistral-v0.1-PeanutButter-v0.0.0-7B 在 Open LLM Leaderboard 上的运行过程中自动创建的。

数据集结构

• 数据集包含 64 个配置，每个配置对应一个评估任务。
• 数据集从 2 次运行中创建，每次运行可以在每个配置中作为一个特定的分片找到，分片名称使用运行的时间戳。
• "train" 分片始终指向最新的结果。
• 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 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_PeanutJar__Mistral-v0.1-PeanutButter-v0.0.0-7B", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-28T17:59:18.672226 运行的最新结果： python { "all": { "em": 0.007655201342281879, "em_stderr": 0.0008925843316825968, "f1": 0.06762374161073832, "f1_stderr": 0.0015672145775403328, "acc": 0.48594340621826704, "acc_stderr": 0.011102174081480334 }, "harness|drop|3": { "em": 0.007655201342281879, "em_stderr": 0.0008925843316825968, "f1": 0.06762374161073832, "f1_stderr": 0.0015672145775403328 }, "harness|gsm8k|5": { "acc": 0.18498862774829417, "acc_stderr": 0.010695390472237908 }, "harness|winogrande|5": { "acc": 0.7868981846882399, "acc_stderr": 0.01150895769072276 } }

配置详情

以下是数据集的部分配置详情：

• harness_arc_challenge_25

  • 分片：2023_10_09T13_03_57.822479
    • 路径：**/details_harness|arc:challenge|25_2023-10-09T13-03-57.822479.parquet
  • 分片：latest
    • 路径：**/details_harness|arc:challenge|25_2023-10-09T13-03-57.822479.parquet

• harness_drop_3

  • 分片：2023_10_28T17_59_18.672226
    • 路径：**/details_harness|drop|3_2023-10-28T17-59-18.672226.parquet
  • 分片：latest
    • 路径：**/details_harness|drop|3_2023-10-28T17-59-18.672226.parquet

• harness_gsm8k_5

  • 分片：2023_10_28T17_59_18.672226
    • 路径：**/details_harness|gsm8k|5_2023-10-28T17-59-18.672226.parquet
  • 分片：latest
    • 路径：**/details_harness|gsm8k|5_2023-10-28T17-59-18.672226.parquet

• harness_hellaswag_10

  • 分片：2023_10_09T13_03_57.822479
    • 路径：**/details_harness|hellaswag|10_2023-10-09T13-03-57.822479.parquet
  • 分片：latest
    • 路径：**/details_harness|hellaswag|10_2023-10-09T13-03-57.822479.parquet

• harness_hendrycksTest_5

  • 分片：2023_10_09T13_03_57.822479
    • 路径：
      • **/details_harness|hendrycksTest-abstract_algebra|5_2023-10-09T13-03-57.822479.parquet
      • **/details_harness|hendrycksTest-anatomy|5_2023-10-09T13-03-57.822479.parquet
      • ...
  • 分片：latest
    • 路径：
      • **/details_harness|hendrycksTest-abstract_algebra|5_2023-10-09T13-03-57.822479.parquet
      • **/details_harness|hendrycksTest-anatomy|5_2023-10-09T13-03-57.822479.parquet
      • ...

（注：由于篇幅限制，完整配置详情请参考原始数据集详情页面。）