open-llm-leaderboard/details_rhaymison__Mistral-portuguese-luana-7b

该数据集是在评估模型rhaymison/Mistral-portuguese-luana-7b时自动生成的，包含63个配置，每个配置对应一个评估任务。数据集由1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。

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 rhaymison/Mistral-portuguese-luana-7b 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

数据集由 1 次运行创建，每个运行可以在每个配置中找到特定的分割，分割名称使用运行的时间戳。"train" 分割始终指向最新的结果。

额外配置

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。

最新结果

以下是 2024-04-15T13:42:47.837970 运行的最新结果：

python { "all": { "acc": 0.6097186136411111, "acc_stderr": 0.03316921521336491, "acc_norm": 0.6149390666065853, "acc_norm_stderr": 0.033846138299720704, "mc1": 0.4186046511627907, "mc1_stderr": 0.017270015284476855, "mc2": 0.5934914566391061, "mc2_stderr": 0.015351475818963607 }, "harness|arc:challenge|25": { "acc": 0.5477815699658704, "acc_stderr": 0.014544519880633827, "acc_norm": 0.6023890784982935, "acc_norm_stderr": 0.01430175222327954 }, "harness|hellaswag|10": { "acc": 0.6261700856403107, "acc_stderr": 0.004828305041904403, "acc_norm": 0.8257319259111731, "acc_norm_stderr": 0.0037856457412359396 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.34, "acc_stderr": 0.04760952285695236, "acc_norm": 0.34, "acc_norm_stderr": 0.04760952285695236 }, # 其他任务的结果... }

配置详情

数据集包含多个配置，每个配置对应不同的任务和数据文件。以下是部分配置的示例：

• 配置名称: harness_arc_challenge_25

  • 数据文件:
    • 分割: 2024_04_15T13_42_47.837970
      • 路径: **/details_harness|arc:challenge|25_2024-04-15T13-42-47.837970.parquet
    • 分割: latest
      • 路径: **/details_harness|arc:challenge|25_2024-04-15T13-42-47.837970.parquet

• 配置名称: harness_gsm8k_5

  • 数据文件:
    • 分割: 2024_04_15T13_42_47.837970
      • 路径: **/details_harness|gsm8k|5_2024-04-15T13-42-47.837970.parquet
    • 分割: latest
      • 路径: **/details_harness|gsm8k|5_2024-04-15T13-42-47.837970.parquet

• 配置名称: harness_hellaswag_10

  • 数据文件:
    • 分割: 2024_04_15T13_42_47.837970
      • 路径: **/details_harness|hellaswag|10_2024-04-15T13-42-47.837970.parquet
    • 分割: latest
      • 路径: **/details_harness|hellaswag|10_2024-04-15T13-42-47.837970.parquet

• 配置名称: harness_hendrycksTest_5

  • 数据文件:
    • 分割: 2024_04_15T13_42_47.837970
      • 路径:
        • **/details_harness|hendrycksTest-abstract_algebra|5_2024-04-15T13-42-47.837970.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2024-04-15T13-42-47.837970.parquet
        • **/details_harness|hendrycksTest-astronomy|5_2024-04-15T13-42-47.837970.parquet
        • **/details_harness|hendrycksTest-business_ethics|5_2024-04-15T13-42-47.837970.parquet
        • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-04-15T13-42-47.837970.parquet
        • **/details_harness|hendrycksTest-college_biology|5_2024-04-15T13-42-47.837970.parquet
        • **/details_harness|hendrycksTest-college_chemistry|5_2024-04-15T13-42-47.837970.parquet
        • **/details_harness|hendrycksTest-college_computer_science|5_2024-04-15T13-42-47.837970.parquet
        • **/details_harness|hendrycksTest-college_mathematics|5_2024-04-15T13-42-47.837970.parquet
        • **/details_harness|hendrycksTest-college_medicine|5_2024-04-15T13-42-47.837970.parquet
        • **/details_harness|hendrycksTest-college_physics|5_2024-04-15T13-42-47.837970.parquet
        • **/details_harness|hendrycksTest-computer_security|5_2024-04-15T13-42-47.837970.parquet
        • **/details_harness|hendrycksTest-conceptual_physics|5_2024-04-15T13-42-47.837970.parquet
        • **/details_harness|hendrycksTest-econometrics|5_2024-04-15T13-42-47.837970.parquet
        • **/details_harness|hendrycksTest-electrical_engineering|5_2024-04-15T13-42-47.837970.parquet
        • **/details_harness|hendrycksTest-elementary_mathematics|5_2024-04-15T13-42-47.837970.parquet
        • **/details_harness|hendrycksTest-formal_logic|5_2024-04-15T13-42-47.837970.parquet
        • **/details_harness|hendrycksTest-global_facts|5_2024-04-15T13-42-47.837970.parquet

        其他路径...

}

数据集加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_rhaymison__Mistral-portuguese-luana-7b", "harness_winogrande_5", split="train")