open-llm-leaderboard-old/details_Xwin-LM__XwinCoder-34B

该数据集是在评估模型Xwin-LM/XwinCoder-34B时自动创建的，包含63个配置，每个配置对应一个评估任务。数据集由1次运行生成，每次运行的结果作为一个特定的分割存储，分割名称使用运行的时间戳。此外，数据集还包含一个名为"results"的配置，用于存储所有运行的聚合结果，并在Open LLM Leaderboard上显示聚合指标。

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 Xwin-LM/XwinCoder-34B 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。
• 创建来源：从1次运行中创建。每个运行可以在每个配置中找到特定的分割，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。
• 结果汇总：一个额外的配置 "results" 存储所有运行的汇总结果，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_Xwin-LM__XwinCoder-34B", "harness_winogrande_5", split="train")

最新结果

以下是 2024-02-09T21:06:30.627913 运行的最新结果：

python { "all": { "acc": 0.4974978971451545, "acc_stderr": 0.03466125596233533, "acc_norm": 0.49971304182165216, "acc_norm_stderr": 0.03537681903833464, "mc1": 0.2864137086903305, "mc1_stderr": 0.015826142439502356, "mc2": 0.4381791083323701, "mc2_stderr": 0.01517278385319114 }, "harness|arc:challenge|25": { "acc": 0.48208191126279865, "acc_stderr": 0.014602005585490973, "acc_norm": 0.5102389078498294, "acc_norm_stderr": 0.014608326906285012 }, "harness|hellaswag|10": { "acc": 0.5556662019518024, "acc_stderr": 0.004958761056959778, "acc_norm": 0.7401911969727146, "acc_norm_stderr": 0.004376333451909803 }, ... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_02_09T21_06_30.627913, latest
  • 路径：**/details_harness|arc:challenge|25_2024-02-09T21-06-30.627913.parquet

• harness_gsm8k_5

  • 分割：2024_02_09T21_06_30.627913, latest
  • 路径：**/details_harness|gsm8k|5_2024-02-09T21-06-30.627913.parquet

• harness_hellaswag_10

  • 分割：2024_02_09T21_06_30.627913, latest
  • 路径：**/details_harness|hellaswag|10_2024-02-09T21-06-30.627913.parquet

• harness_hendrycksTest_5

  • 分割：2024_02_09T21_06_30.627913, latest
  • 路径：多个路径，包括 **/details_harness|hendrycksTest-abstract_algebra|5_2024-02-09T21-06-30.627913.parquet 等