open-llm-leaderboard/details_chlee10__T3Q-Platypus-Mistral7B

该数据集是在评估模型chlee10/T3Q-Platypus-Mistral7B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一个特定的分割，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，results配置存储了所有运行的聚合结果，用于计算和展示在Open LLM Leaderboard上的聚合指标。该数据集是在评估模型chlee10/T3Q-Platypus-Mistral7B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一个特定的分割，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，results配置存储了所有运行的聚合结果，用于计算和展示在Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集概述

数据集名称

• pretty_name: Evaluation run of chlee10/T3Q-Platypus-Mistral7B

数据集描述

• dataset_summary: 该数据集是在评估模型chlee10/T3Q-Platypus-Mistral7B运行期间自动创建的，用于Open LLM Leaderboard。

数据集组成

• 数据结构: 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，每次运行在每个配置中作为一个特定的分割存在，分割名使用运行的时间戳命名。
• 特殊配置: “train”分割始终指向最新结果，而“results”配置存储所有运行的聚合结果，用于计算和显示聚合指标。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_chlee10__T3Q-Platypus-Mistral7B", "harness_winogrande_5", split="train")

最新结果

• 结果详情: 提供了包括准确率、标准误差等在内的多项指标，详细记录了各个任务的评估结果。

数据集配置

配置列表

• harness_arc_challenge_25
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5

每个配置包含特定任务的数据文件，可通过指定的时间戳或“latest”分割访问。