open-llm-leaderboard-old/details_FelixChao__Gemma-10.2B-Coder

该数据集是在Open LLM Leaderboard上对模型FelixChao/Gemma-10.2B-Coder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。数据集包含一次运行的结果，每次运行在每个配置中表示为特定的分割，train分割始终指向最新结果。一个名为results的额外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。README还提供了如何使用Hugging Face datasets库加载运行细节的示例。

原始信息汇总

数据集概述

数据集摘要

该数据集是在模型 FelixChao/Gemma-10.2B-Coder 在 Open LLM Leaderboard 上的评估运行期间自动创建的。数据集由 63 个配置组成，每个配置对应一个评估任务。

数据集结构

• 配置数量：63
• 数据来源：1 次运行
• 分割命名：每个运行的分割以运行的时间戳命名，"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。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_FelixChao__Gemma-10.2B-Coder", "harness_winogrande_5", split="train")

最新结果

以下是 2024-03-21T14:06:19.977620 运行的最新结果：

python { "all": { "acc": 0.6193276450638524, "acc_stderr": 0.032595355839530035, "acc_norm": 0.6224484569319588, "acc_norm_stderr": 0.03325145393228843, "mc1": 0.34394124847001223, "mc1_stderr": 0.016629087514276775, "mc2": 0.5243704066589732, "mc2_stderr": 0.015065637058082886 }, "harness|arc:challenge|25": { "acc": 0.5597269624573379, "acc_stderr": 0.014506769524804246, "acc_norm": 0.5870307167235495, "acc_norm_stderr": 0.014388344935398326 }, "harness|hellaswag|10": { "acc": 0.617307309300936, "acc_stderr": 0.004850508945116089, "acc_norm": 0.8203545110535749, "acc_norm_stderr": 0.0038310732859630774 }, ... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_03_21T14_06_19.977620, latest
  • 路径：**/details_harness|arc:challenge|25_2024-03-21T14-06-19.977620.parquet

• harness_gsm8k_5

  • 分割：2024_03_21T14_06_19.977620, latest
  • 路径：**/details_harness|gsm8k|5_2024-03-21T14-06-19.977620.parquet

• harness_hellaswag_10

  • 分割：2024_03_21T14_06_19.977620, latest
  • 路径：**/details_harness|hellaswag|10_2024-03-21T14-06-19.977620.parquet

• harness_hendrycksTest_5

  • 分割：2024_03_21T14_06_19.977620, latest
  • 路径：多个路径，如 **/details_harness|hendrycksTest-abstract_algebra|5_2024-03-21T14-06-19.977620.parquet 等