five

open-llm-leaderboard-old/details_robinsmits__Mistral-Instruct-7B-v0.2-ChatAlpaca-DPO2

收藏
Hugging Face2024-01-22 更新2024-06-22 收录
下载链接:
https://hf-mirror.com/datasets/open-llm-leaderboard-old/details_robinsmits__Mistral-Instruct-7B-v0.2-ChatAlpaca-DPO2
下载链接
链接失效反馈
官方服务:
资源简介:
该数据集是在Open LLM Leaderboard上对模型robinsmits/Mistral-Instruct-7B-v0.2-ChatAlpaca-DPO2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。

该数据集是在Open LLM Leaderboard上对模型robinsmits/Mistral-Instruct-7B-v0.2-ChatAlpaca-DPO2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。
提供机构:
open-llm-leaderboard-old
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 robinsmits/Mistral-Instruct-7B-v0.2-ChatAlpaca-DPO2 进行评估运行时自动创建的,用于 Open LLM Leaderboard

数据集组成

  • 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。
  • 额外的 "results" 配置存储所有运行的聚合结果,用于计算和显示聚合指标。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_robinsmits__Mistral-Instruct-7B-v0.2-ChatAlpaca-DPO2", "harness_winogrande_5", split="train")

最新结果

以下是 最新结果 的摘要:

python { "all": { "acc": 0.5919635778509046, "acc_stderr": 0.03367247342299486, "acc_norm": 0.596476293969353, "acc_norm_stderr": 0.03436978735851277, "mc1": 0.4773561811505508, "mc1_stderr": 0.017485542258489646, "mc2": 0.6407684674777628, "mc2_stderr": 0.015297982301051796 }, "harness|arc:challenge|25": { "acc": 0.5716723549488054, "acc_stderr": 0.014460496367599017, "acc_norm": 0.6186006825938567, "acc_norm_stderr": 0.014194389086685247 }, "harness|hellaswag|10": { "acc": 0.6471818362875921, "acc_stderr": 0.004768701562988875, "acc_norm": 0.8370842461661023, "acc_norm_stderr": 0.003685340687255413 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.34, "acc_stderr": 0.04760952285695236, "acc_norm": 0.34, "acc_norm_stderr": 0.04760952285695236 }, # 其他任务的结果省略 }

配置详情

  • harness_arc_challenge_25

    • 分割: 2024_01_22T17_51_45.656296, latest
    • 路径: **/details_harness|arc:challenge|25_2024-01-22T17-51-45.656296.parquet
  • harness_gsm8k_5

    • 分割: 2024_01_22T17_51_45.656296, latest
    • 路径: **/details_harness|gsm8k|5_2024-01-22T17-51-45.656296.parquet
  • harness_hellaswag_10

    • 分割: 2024_01_22T17_51_45.656296, latest
    • 路径: **/details_harness|hellaswag|10_2024-01-22T17-51-45.656296.parquet
  • harness_hendrycksTest_5

    • 分割: 2024_01_22T17_51_45.656296, latest
    • 路径:
      • **/details_harness|hendrycksTest-abstract_algebra|5_2024-01-22T17-51-45.656296.parquet
      • **/details_harness|hendrycksTest-anatomy|5_2024-01-22T17-51-45.656296.parquet
      • **/details_harness|hendrycksTest-astronomy|5_2024-01-22T17-51-45.656296.parquet
      • **/details_harness|hendrycksTest-business_ethics|5_2024-01-22T17-51-45.656296.parquet
      • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-01-22T17-51-45.656296.parquet
      • **/details_harness|hendrycksTest-college_biology|5_2024-01-22T17-51-45.656296.parquet
      • **/details_harness|hendrycksTest-college_chemistry|5_2024-01-22T17-51-45.656296.parquet
      • **/details_harness|hendrycksTest-college_computer_science|5_2024-01-22T17-51-45.656296.parquet
      • **/details_harness|hendrycksTest-college_mathematics|5_2024-01-22T17-51-45.656296.parquet
      • **/details_harness|hendrycksTest-college_medicine|5_2024-01-22T17-51-45.656296.parquet
      • **/details_harness|hendrycksTest-college_physics|5_2024-01-22T17-51-45.656296.parquet
      • **/details_harness|hendrycksTest-computer_security|5_2024-01-22T17-51-45.656296.parquet
      • **/details_harness|hendrycksTest-conceptual_physics|5_2024-01-22T17-51-45.656296.parquet
      • **/details_harness|hendrycksTest-econometrics|5_2024-01-22T17-51-45.656296.parquet
      • **/details_harness|hendrycksTest-electrical_engineering|5_2024-01-22T17-51-45.656296.parquet
      • **/details_harness|hendrycksTest-elementary_mathematics|5_2024-01-22T17-51-45.656296.parquet
      • **/details_harness|hendrycksTest-formal_logic|5_2024-01-22T17-51-45.656296.parquet }
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作