open-llm-leaderboard/details_Changgil__K2S3-Mistral-7b-v1.48

该数据集是在评估模型Changgil/K2S3-Mistral-7b-v1.48时自动创建的，评估过程在Open LLM Leaderboard上进行。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

数据集名称

• pretty_name: Evaluation run of Changgil/K2S3-Mistral-7b-v1.48

数据集描述

• dataset_summary: 该数据集是自动创建的，用于评估模型Changgil/K2S3-Mistral-7b-v1.48在Open LLM Leaderboard上的表现。

数据集构成

• 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命名。
• "train"分割始终指向最新结果。
• 额外的"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。

数据集加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_Changgil__K2S3-Mistral-7b-v1.48", "harness_winogrande_5", split="train")

最新结果

• 最新结果来自2024-04-15T23:15:06.089458。

数据集详细配置

配置列表

1. harness_arc_challenge_25
2. harness_gsm8k_5
3. harness_hellaswag_10
4. harness_hendrycksTest_5

每个配置包含多个数据文件，分别对应不同的任务和时间戳。例如，harness_hendrycksTest_5配置包含以下任务的数据文件：

• abstract_algebra
• anatomy
• astronomy
• business_ethics
• clinical_knowledge
• college_biology
• college_chemistry
• college_computer_science
• college_mathematics
• college_medicine
• college_physics
• computer_security
• conceptual_physics
• econometrics
• electrical_engineering
• elementary_mathematics
• formal_logic
• global_facts
• ...（其他任务）

每个任务的数据文件根据时间戳和最新结果进行分割。