open-llm-leaderboard/details_mistralai__Mistral-7B-v0.3

该数据集是在评估模型mistralai/Mistral-7B-v0.3时自动创建的，评估在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，分割以运行的时间戳命名。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: Evaluation run of mistralai/Mistral-7B-v0.3

数据集描述: 该数据集是在评估模型mistralai/Mistral-7B-v0.3在Open LLM Leaderboard上的运行过程中自动创建的。数据集包含63个配置，每个配置对应一个评估任务。

数据集结构:

• 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。
• 额外配置“results”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_mistralai__Mistral-7B-v0.3", "harness_winogrande_5", split="train")

最新结果

最新结果来自2024-05-23T11:37:26.409605的运行，包括多个任务的评估结果，如准确率(acc)、标准误差(acc_stderr)等。具体结果包括但不限于：

• 总体结果: acc: 0.6311207379058325, acc_stderr: 0.032475183287971776
• 特定任务如harness|arc:challenge|25: acc: 0.568259385665529, acc_stderr: 0.014474591427196202
• 其他多个任务的详细评估指标。