open-llm-leaderboard-old/details_v1olet__v1olet_mistral_7B

该数据集是在Open LLM Leaderboard上对模型v1olet/v1olet_mistral_7B进行评估时自动创建的。它由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。train分割始终指向最新的结果。一个名为results的额外配置存储了运行的所有聚合结果，这些结果用于计算和显示Open LLM Leaderboard上的聚合指标。可以使用`datasets`库中的`load_dataset`函数加载该数据集。

原始信息汇总

数据集概述

数据集简介

该数据集是在对模型 v1olet/v1olet_mistral_7B 进行评估运行时自动创建的，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。
• 运行次数：数据集来自1次运行。每个运行结果作为一个特定的分割（split）存储，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_v1olet__v1olet_mistral_7B", "harness_winogrande_5", split="train")

最新结果

以下是 2023-12-09T15:51:44.000216 运行的最新结果： python { "all": { "acc": 0.26155738386066046, "acc_stderr": 0.03127934667718085, "acc_norm": 0.26322679499270923, "acc_norm_stderr": 0.032116347963256846, "mc1": 0.2386780905752754, "mc1_stderr": 0.014922629695456421, "mc2": NaN, "mc2_stderr": NaN }, "harness|arc:challenge|25": { "acc": 0.24146757679180889, "acc_stderr": 0.01250656483973943, "acc_norm": 0.29180887372013653, "acc_norm_stderr": 0.013284525292403506 }, "harness|hellaswag|10": { "acc": 0.2621987651862179, "acc_stderr": 0.00438931274801215, "acc_norm": 0.2813184624576778, "acc_norm_stderr": 0.004487235657955673 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.27, "acc_stderr": 0.0446196043338474, "acc_norm": 0.27, "acc_norm_stderr": 0.0446196043338474 }, # 其他任务的结果... }

配置详情

• harness_arc_challenge_25

  • 分割：2023_12_09T15_51_44.000216, latest
  • 路径：**/details_harness|arc:challenge|25_2023-12-09T15-51-44.000216.parquet

• harness_gsm8k_5

  • 分割：2023_12_09T15_51_44.000216, latest
  • 路径：**/details_harness|gsm8k|5_2023-12-09T15-51-44.000216.parquet

• harness_hellaswag_10

  • 分割：2023_12_09T15_51_44.000216, latest
  • 路径：**/details_harness|hellaswag|10_2023-12-09T15-51-44.000216.parquet

• harness_hendrycksTest_5

  • 分割：2023_12_09T15_51_44.000216, latest
  • 路径：多个路径，包括不同任务的详细结果文件

这个回答仅包含与数据集相关的信息，结构化地概述了数据集的创建背景、结构、加载方法、最新结果和配置详情。