open-llm-leaderboard-old/details_perlthoughts__neural-chat-v3-3-8x7b-MoE

数据集是在模型perlthoughts/neural-chat-v3-3-8x7b-MoE的评估运行期间自动创建的，评估运行在Open LLM Leaderboard上进行。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。此外，一个名为"results"的配置存储了所有运行的聚合结果，并用于计算和显示Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集概述

数据集摘要

该数据集是在对模型 perlthoughts/neural-chat-v3-3-8x7b-MoE 进行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。数据集从1次运行中创建，每次运行的详细信息可以在每个配置中找到，使用运行的时间戳作为分割名称。"train" 分割始终指向最新的结果。

数据集结构

数据集包含以下配置：

• harness_arc_challenge_25
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5

每个配置包含多个数据文件，分为不同的分割，如 2023_12_18T05_24_06.077139 和 latest。

最新结果

以下是2023年12月18日05:24:06.077139运行的最新结果：

python { "all": { "acc": 0.6274049176829637, "acc_stderr": 0.03275930044853432, "acc_norm": 0.6268605636213929, "acc_norm_stderr": 0.033440518650225654, "mc1": 0.47368421052631576, "mc1_stderr": 0.017479241161975526, "mc2": 0.631965606310606, "mc2_stderr": 0.015067807381751251 }, "harness|arc:challenge|25": { "acc": 0.6459044368600683, "acc_stderr": 0.013975454122756562, "acc_norm": 0.6663822525597269, "acc_norm_stderr": 0.013778687054176536 }, "harness|hellaswag|10": { "acc": 0.666301533559052, "acc_stderr": 0.004705697745222153, "acc_norm": 0.8543118900617407, "acc_norm_stderr": 0.003520722505332094 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.27, "acc_stderr": 0.044619604333847394, "acc_norm": 0.27, "acc_norm_stderr": 0.044619604333847394 }, # 其他任务的结果省略 }

数据加载示例

以下是加载数据集详细信息的示例代码：

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_perlthoughts__neural-chat-v3-3-8x7b-MoE", "harness_winogrande_5", split="train")