open-llm-leaderboard-old/details_Severian__Nexus-IKM-Mistral-7B-v5-instruction

该数据集是在Open LLM Leaderboard上对模型Severian/Nexus-IKM-Mistral-7B-v5-instruction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，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

数据集来源

该数据集是在对模型 Severian/Nexus-IKM-Mistral-7B-v5-instruction 进行评估运行时自动创建的，评估结果发布在 Open LLM Leaderboard 上。

数据集结构

• 配置数量：数据集包含 63 个配置，每个配置对应一个评估任务。
• 运行次数：数据集来自 1 次运行。每个运行结果作为一个特定的分割（split）存储在每个配置中，分割名称使用运行的时间戳。
• 最新结果："train" 分割始终指向最新的结果。
• 结果汇总：一个额外的配置 "results" 存储所有运行的汇总结果，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_Severian__Nexus-IKM-Mistral-7B-v5-instruction", "harness_winogrande_5", split="train")

最新结果

以下是 2024-03-10T00:59:27.972031 运行的最新结果：

python { "all": { "acc": 0.2477168147645942, "acc_stderr": 0.030566707099033714, "acc_norm": 0.24811298552173527, "acc_norm_stderr": 0.031378435870979805, "mc1": 0.23623011015911874, "mc1_stderr": 0.014869755015871096, "mc2": NaN, "mc2_stderr": NaN }, "harness|arc:challenge|25": { "acc": 0.2363481228668942, "acc_stderr": 0.012414960524301836, "acc_norm": 0.2773037542662116, "acc_norm_stderr": 0.013082095839059374 }, "harness|hellaswag|10": { "acc": 0.2671778530173272, "acc_stderr": 0.004415816696303075, "acc_norm": 0.2892850029874527, "acc_norm_stderr": 0.004525037849178834 }, # 其他任务的结果... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_03_10T00_59_27.972031, latest
  • 路径：**/details_harness|arc:challenge|25_2024-03-10T00-59-27.972031.parquet

• harness_gsm8k_5

  • 分割：2024_03_10T00_59_27.972031, latest
  • 路径：**/details_harness|gsm8k|5_2024-03-10T00-59-27.972031.parquet

• harness_hellaswag_10

  • 分割：2024_03_10T00_59_27.972031, latest
  • 路径：**/details_harness|hellaswag|10_2024-03-10T00-59-27.972031.parquet

• harness_hendrycksTest_5

  • 分割：2024_03_10T00_59_27.972031, latest
  • 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2024-03-10T00-59-27.972031.parquet 等

搜集汇总

背景与挑战

背景概述

该数据集是Open LLM Leaderboard上对Severian/Nexus-IKM-Mistral-7B-v5-instruction模型进行评估时自动生成的评估数据集，包含63个配置对应不同评估任务，从1次运行中创建，分割基于时间戳，train分割指向最新结果，results配置存储聚合结果用于计算和显示排行榜上的指标。