open-llm-leaderboard-old/details_bigcode__starcoderbase

该数据集是在评估模型bigcode/starcoderbase时自动创建的，用于Open LLM Leaderboard。数据集包含63个配置，每个配置对应一个评估任务。数据集由1次运行创建，每次运行的结果存储为特定配置中的一个分割，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，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

数据集简介

该数据集是在对模型 bigcode/starcoderbase 进行评估运行期间自动创建的，用于 Open LLM Leaderboard。

数据集结构

• 配置数量：63个配置，每个配置对应一个评估任务。
• 运行次数：数据集从1次运行中创建。每个运行结果作为一个特定的分割存储在每个配置中，分割名称使用运行的时间戳。
• 最新结果："train" 分割始终指向最新的结果。
• 聚合结果：一个额外的配置 "results" 存储所有运行的聚合结果，用于计算和显示在 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_bigcode__starcoderbase", "harness_winogrande_5", split="train")

最新结果

以下是 2024-02-14T19:33:07.504814 运行的最新结果：

python { "all": { "acc": 0.32135391894403226, "acc_stderr": 0.033015926396633116, "acc_norm": 0.32341972377293626, "acc_norm_stderr": 0.03377999870671841, "mc1": 0.2521419828641371, "mc1_stderr": 0.01520152224629997, "mc2": 0.400215713503952, "mc2_stderr": 0.014978959258933158 }, "harness|arc:challenge|25": { "acc": 0.2815699658703072, "acc_stderr": 0.013143376735009022, "acc_norm": 0.302901023890785, "acc_norm_stderr": 0.013428241573185349 }, "harness|hellaswag|10": { "acc": 0.377414857598088, "acc_stderr": 0.0048374934398743045, "acc_norm": 0.47211710814578767, "acc_norm_stderr": 0.004982016702445962 }, ... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_02_14T19_33_07.504814, latest
  • 路径：**/details_harness|arc:challenge|25_2024-02-14T19-33-07.504814.parquet

• harness_gsm8k_5

  • 分割：2024_02_14T19_33_07.504814, latest
  • 路径：**/details_harness|gsm8k|5_2024-02-14T19-33-07.504814.parquet

• harness_hellaswag_10

  • 分割：2024_02_14T19_33_07.504814, latest
  • 路径：**/details_harness|hellaswag|10_2024-02-14T19-33-07.504814.parquet

• harness_hendrycksTest_5

  • 分割：2024_02_14T19_33_07.504814, latest
  • 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2024-02-14T19-33-07.504814.parquet, ...