open-llm-leaderboard/details_grimjim__Mistral-7B-Instruct-demi-merge-v0.2-7B

该数据集是在Open LLM Leaderboard上对模型grimjim/Mistral-7B-Instruct-demi-merge-v0.2-7B进行评估时自动创建的。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，每次运行可以在每个配置中找到特定的分割，分割以运行的时间戳命名。train分割始终指向最新结果。此外，results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。该数据集是在Open LLM Leaderboard上对模型grimjim/Mistral-7B-Instruct-demi-merge-v0.2-7B进行评估时自动创建的。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，每次运行可以在每个配置中找到特定的分割，分割以运行的时间戳命名。train分割始终指向最新结果。此外，results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

数据集基本信息

• 名称: Evaluation run of grimjim/Mistral-7B-Instruct-demi-merge-v0.2-7B
• 创建目的: 自动创建于模型grimjim/Mistral-7B-Instruct-demi-merge-v0.2-7B在Open LLM Leaderboard的评估运行期间。

数据集结构

• 组成: 包含63个配置，每个配置对应一个评估任务。
• 数据来源: 数据集由1次运行创建，每次运行对应一个特定的分割，分割名称使用运行的时间戳命名。
• 特殊分割: “train”分割始终指向最新结果，而“results”配置存储所有聚合的运行结果。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_grimjim__Mistral-7B-Instruct-demi-merge-v0.2-7B", "harness_winogrande_5", split="train")

最新结果

• 结果示例: 展示了多个任务的准确率（acc）和标准误差（acc_stderr）等指标。
• 数据示例: 如“harness|arc:challenge|25”任务的准确率为0.5938566552901023，标准误差为0.014351656690097862。

配置详情

• 配置列表:
  • 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，每个文件对应不同的任务和时间戳。