open-llm-leaderboard-old/details_ewqr2130__mistral-moe-scratch

该数据集是在模型 ewqr2130/mistral-moe-scratch 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 次运行中创建的，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 库加载运行细节的示例。

原始信息汇总

数据集概述

该数据集是在评估模型 ewqr2130/mistral-moe-scratch 在 Open LLM Leaderboard 上的运行过程中自动创建的。数据集包含 63 个配置，每个配置对应一个评估任务。

数据集结构

• 配置数量：63 个配置
• 数据来源：1 次运行结果
• 数据分割：每个配置包含特定分割，分割名称使用运行的时间戳。"train" 分割指向最新的结果。
• 额外配置："results" 配置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_ewqr2130__mistral-moe-scratch", "harness_winogrande_5", split="train")

最新结果

以下是 2024-01-05T05:44:38.553210 运行的最新结果：

python { "all": { "acc": 0.23196194129343728, "acc_stderr": 0.029934654752561563, "acc_norm": 0.2314240573187148, "acc_norm_stderr": 0.03071122006512167, "mc1": 1.0, "mc1_stderr": 0.0, "mc2": NaN, "mc2_stderr": NaN }, "harness|arc:challenge|25": { "acc": 0.22696245733788395, "acc_stderr": 0.012240491536132861, "acc_norm": 0.22696245733788395, "acc_norm_stderr": 0.012240491536132861 }, "harness|hellaswag|10": { "acc": 0.2504481179047998, "acc_stderr": 0.004323856300539177, "acc_norm": 0.2504481179047998, "acc_norm_stderr": 0.004323856300539177 }, ... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_01_05T05_44_38.553210, latest
  • 路径：**/details_harness|arc:challenge|25_2024-01-05T05-44-38.553210.parquet

• harness_gsm8k_5

  • 分割：2024_01_05T05_44_38.553210, latest
  • 路径：**/details_harness|gsm8k|5_2024-01-05T05-44-38.553210.parquet

• harness_hellaswag_10

  • 分割：2024_01_05T05_44_38.553210, latest
  • 路径：**/details_harness|hellaswag|10_2024-01-05T05-44-38.553210.parquet

• harness_hendrycksTest_5

  • 分割：2024_01_05T05_44_38.553210, latest
  • 路径：多个路径，包括 **/details_harness|hendrycksTest-abstract_algebra|5_2024-01-05T05-44-38.553210.parquet 等