open-llm-leaderboard/details_nbeerbower__flammen10-mistral-7B

该数据集是在评估模型nbeerbower/flammen10-mistral-7B时自动创建的，评估是在Open LLM Leaderboard上进行的。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，每次运行可以在每个配置中找到，运行的时间戳作为分割的名称。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，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

数据集名称

• pretty_name: Evaluation run of nbeerbower/flammen10-mistral-7B

数据集来源

• dataset_summary: 该数据集是在评估模型nbeerbower/flammen10-mistral-7B时自动创建的，评估过程发生在Open LLM Leaderboard上。

数据集结构

• 组成: 数据集由63个配置组成，每个配置对应一个评估任务。
• 创建方式: 数据集由1次运行创建，每次运行作为一个特定的分割，分割名称使用运行的时间戳命名。
• 特殊配置: 存在一个名为"results"的额外配置，用于存储所有运行的聚合结果，用于计算和显示聚合指标。

数据集使用示例

• 加载数据: 使用以下Python代码加载特定运行的详细信息： python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_nbeerbower__flammen10-mistral-7B", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 最新结果来自2024-03-24T14:50:15.022648。
• 结果内容: 包括多个任务的准确率(acc)、标准误差(acc_stderr)等指标。

数据集配置详情

配置列表

• harness_arc_challenge_25: 包含特定时间戳和最新结果的数据文件。
• harness_gsm8k_5: 包含特定时间戳和最新结果的数据文件。
• harness_hellaswag_10: 包含特定时间戳和最新结果的数据文件。
• harness_hendrycksTest_5: 包含多个子任务的数据文件，如抽象代数、解剖学等。

每个配置都提供了特定任务的评估数据，便于分析和进一步研究。