open-llm-leaderboard-old/details_CultriX__MistralTrix-v1

数据集是在模型CultriX/MistralTrix-v1的评估运行期间自动创建的，用于在Open LLM Leaderboard上进行评估。数据集由63个配置组成，每个配置对应一个评估任务。数据集由1次运行创建，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，一个名为"results"的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

数据集信息

• 名称: Evaluation run of CultriX/MistralTrix-v1
• 来源: 自动创建于模型 CultriX/MistralTrix-v1 在 Open LLM Leaderboard 的评估运行期间。
• 组成: 包含63个配置，每个配置对应一个评估任务。
• 创建: 从1次运行中创建。每个运行作为一个特定的分割存储在每个配置中，分割名称使用运行的时间戳。"train" 分割始终指向最新的结果。
• 额外配置: "results" 配置存储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。

数据加载示例

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

最新结果

• 时间戳: 2024-01-04T14:12:42.125276
• 详细结果: 包含多个任务的准确率（acc）、标准化准确率（acc_norm）、误差（stderr）等指标。

配置信息

• 配置名称:
  • harness_arc_challenge_25
  • harness_gsm8k_5
  • harness_hellaswag_10
  • harness_hendrycksTest_5
• 数据文件:
  • 每个配置包含多个数据文件，路径格式为 **/details_harness|任务名称|参数_时间戳.parquet，例如 **/details_harness|arc:challenge|25_2024-01-04T14-12-42.125276.parquet。
  • 分割包括 2024_01_04T14_12_42.125276 和 latest。