open-llm-leaderboard/details_Changgil__K2S3-Mistral-7b-v1.4

该数据集是在评估模型Changgil/K2S3-Mistral-7b-v1.4时自动创建的，主要用于在Open LLM Leaderboard上进行评估。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次运行生成，每次运行的结果可以在每个配置的特定分割中找到，分割名称使用运行的时间戳命名。train分割始终指向最新的结果。此外，还有一个名为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

数据集名称

• pretty_name: Evaluation run of Changgil/K2S3-Mistral-7b-v1.4

数据集描述

• dataset_summary: 该数据集是在评估模型Changgil/K2S3-Mistral-7b-v1.4运行期间自动创建的，用于Open LLM Leaderboard。

数据集组成

• 配置数量: 63个配置，每个配置对应一个评估任务。
• 创建来源: 数据集由1次运行创建。
• 数据分割: 每个运行作为一个特定的分割，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。

数据集加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_Changgil__K2S3-Mistral-7b-v1.4", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自2024-04-03T13:50:19.590323的运行结果。
• 结果内容: 包含多个任务的评估结果，如准确率(acc)、标准误差(acc_stderr)等。

数据集配置详情

配置列表

• harness_arc_challenge_25
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5

每个配置包含多个数据文件，根据不同的时间戳和“latest”分割进行组织。