open-llm-leaderboard-old/details_Sao10K__Skadi-Mixtral-v1

数据集是在评估模型Sao10K/Skadi-Mixtral-v1时自动创建的，评估在Open LLM Leaderboard上进行。数据集包含63个配置，每个配置对应一个评估任务。数据集由1次运行创建，每次运行可以在每个配置中找到，运行的时间戳作为分割名称。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，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

数据集简介

该数据集是在对模型 Sao10K/Skadi-Mixtral-v1 进行评估运行期间自动创建的，用于 Open LLM Leaderboard。

数据集结构

• 配置数量：63个配置，每个配置对应一个评估任务。
• 运行次数：数据集从1次运行中创建。每个运行在每个配置中作为一个特定的分割存在，分割名称使用运行的时间戳。
• 分割：每个配置包含多个分割，其中 "train" 分割总是指向最新的结果。
• 结果配置：一个额外的配置 "results" 存储所有运行的聚合结果，用于计算和显示在 Open LLM Leaderboard 上的聚合指标。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_Sao10K__Skadi-Mixtral-v1", "harness_winogrande_5", split="train")

最新结果

以下是 2024-03-31T19:34:40.564320 运行的最新结果：

python { "all": { "acc": 0.7209183498326044, "acc_stderr": 0.029958365105102327, "acc_norm": 0.724144557107484, "acc_norm_stderr": 0.030537772691247418, "mc1": 0.4479804161566707, "mc1_stderr": 0.017408513063422906, "mc2": 0.6043101718764624, "mc2_stderr": 0.01510287124564243 }, "harness|arc:challenge|25": { "acc": 0.6774744027303754, "acc_stderr": 0.013659980894277378, "acc_norm": 0.7013651877133106, "acc_norm_stderr": 0.013374078615068738 }, "harness|hellaswag|10": { "acc": 0.6914957179844653, "acc_stderr": 0.004609320024893897, "acc_norm": 0.8765186217884884, "acc_norm_stderr": 0.003283165867631369 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.42, "acc_stderr": 0.049604496374885836, "acc_norm": 0.42, "acc_norm_stderr": 0.049604496374885836 }, ... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_03_31T19_34_40.564320, latest
  • 路径：**/details_harness|arc:challenge|25_2024-03-31T19-34-40.564320.parquet

• harness_gsm8k_5

  • 分割：2024_03_31T19_34_40.564320, latest
  • 路径：**/details_harness|gsm8k|5_2024-03-31T19-34-40.564320.parquet

• harness_hellaswag_10

  • 分割：2024_03_31T19_34_40.564320, latest
  • 路径：**/details_harness|hellaswag|10_2024-03-31T19-34-40.564320.parquet

• harness_hendrycksTest_5

  • 分割：2024_03_31T19_34_40.564320, latest
  • 路径：多个路径，如 **/details_harness|hendrycksTest-abstract_algebra|5_2024-03-31T19-34-40.564320.parquet 等