open-llm-leaderboard/details_RESMPDEV__Wukong-0.1-Mistral-7B-v0.2

该数据集是在Open LLM Leaderboard上对模型RESMPDEV/Wukong-0.1-Mistral-7B-v0.2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，分割以运行的时间戳命名。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，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 RESMPDEV/Wukong-0.1-Mistral-7B-v0.2

数据集描述

• dataset_summary: 该数据集是在评估模型RESMPDEV/Wukong-0.1-Mistral-7B-v0.2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。
• 数据集创建: 从1次运行中创建，每次运行作为一个特定的分割，分割名使用运行的时间戳命名。
• 额外配置: “results”配置存储所有运行的聚合结果，用于计算和显示聚合指标。

数据集加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_RESMPDEV__Wukong-0.1-Mistral-7B-v0.2", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自2024-04-15T22:00:43.531207的运行。
• 结果内容: 包括多个任务的准确率（acc）和标准误差（acc_stderr）等指标。

数据集配置详情

配置列表

• harness_arc_challenge_25
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5

每个配置包含的数据文件根据不同的任务和时间戳进行分割，确保每个任务的最新结果可被访问。