open-llm-leaderboard/details_azarafrooz__Mistral-7B-Instruct-v0.2-Selfplay-v0

该数据集是在模型 azarafrooz/Mistral-7B-Instruct-v0.2-Selfplay-v0 在 Open LLM Leaderboard 上的评估运行期间自动创建的。它由 63 个配置组成，每个配置对应一个被评估的任务。数据集是从 1 次运行中创建的，每次运行在每个配置中作为一个特定的分割找到，分割名称使用运行的时间戳。train 分割始终指向最新的结果。一个额外的配置 results 存储了运行的所有聚合结果，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 azarafrooz/Mistral-7B-Instruct-v0.2-Selfplay-v0

数据集描述: 该数据集是在评估模型azarafrooz/Mistral-7B-Instruct-v0.2-Selfplay-v0时自动创建的，用于Open LLM Leaderboard。

数据集组成:

• 配置数量: 63个
• 每个配置: 对应一个评估任务
• 数据来源: 来自1次运行
• 数据分割: 每个配置中的数据根据运行时间戳命名，"train"分割指向最新结果
• 额外配置: "results"，存储所有聚合结果，用于计算和显示聚合指标

数据集加载示例

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

最新结果

提供了各个任务的最新评估结果，包括准确率（acc）、标准误差（acc_stderr）等指标。具体结果请参考数据集详情中的JSON文件。