open-llm-leaderboard-old/details_itsliupeng__llama2_7b_code

该数据集是在Open LLM Leaderboard上对模型itsliupeng/llama2_7b_code进行评估时自动生成的。数据集由64个配置组成，每个配置对应一个被评估的任务。数据集是从2次运行中创建的，每次运行在每个配置中表示为特定的分割，分割名称由运行的时间戳命名。train分割始终指向最新的结果。一个名为results的额外配置存储了所有运行的聚合结果，这些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库加载数据集的示例。

原始信息汇总

数据集概述

该数据集是在评估模型 itsliupeng/llama2_7b_code 在 Open LLM Leaderboard 上的自动创建的。数据集包含 64 个配置，每个配置对应一个评估任务。

数据集结构

• 创建来源: 数据集从 2 次运行中创建。每个运行在每个配置中作为一个特定的分割存在，分割名称使用运行的时间戳。"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，用于计算和显示在 Open LLM Leaderboard 上的汇总指标。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_itsliupeng__llama2_7b_code", "harness_winogrande_5", split="train")

最新结果

以下是来自 2023-10-26T11:17:28.829100 运行的最新结果：

python { "all": { "em": 0.0009437919463087249, "em_stderr": 0.00031446531194130476, "f1": 0.05393036912751694, "f1_stderr": 0.0012935627430820335, "acc": 0.3980985212183299, "acc_stderr": 0.01010319096153194 }, "harness|drop|3": { "em": 0.0009437919463087249, "em_stderr": 0.00031446531194130476, "f1": 0.05393036912751694, "f1_stderr": 0.0012935627430820335 }, "harness|gsm8k|5": { "acc": 0.08112206216830932, "acc_stderr": 0.007520395797922653 }, "harness|winogrande|5": { "acc": 0.7150749802683505, "acc_stderr": 0.012685986125141227 } }

配置详情

数据集包含多个配置，每个配置对应不同的任务和运行时间戳。以下是部分配置示例：

• harness_arc_challenge_25

  • 分割: 2023_10_08T20_46_27.226805
  • 路径: **/details_harness|arc:challenge|25_2023-10-08T20-46-27.226805.parquet
  • 分割: latest
  • 路径: **/details_harness|arc:challenge|25_2023-10-08T20-46-27.226805.parquet

• harness_drop_3

  • 分割: 2023_10_26T11_17_28.829100
  • 路径: **/details_harness|drop|3_2023-10-26T11-17-28.829100.parquet
  • 分割: latest
  • 路径: **/details_harness|drop|3_2023-10-26T11-17-28.829100.parquet

• harness_gsm8k_5

  • 分割: 2023_10_26T11_17_28.829100
  • 路径: **/details_harness|gsm8k|5_2023-10-26T11-17-28.829100.parquet
  • 分割: latest
  • 路径: **/details_harness|gsm8k|5_2023-10-26T11-17-28.829100.parquet

• harness_hellaswag_10

  • 分割: 2023_10_08T20_46_27.226805
  • 路径: **/details_harness|hellaswag|10_2023-10-08T20-46-27.226805.parquet
  • 分割: latest
  • 路径: **/details_harness|hellaswag|10_2023-10-08T20-46-27.226805.parquet

• harness_hendrycksTest_5

  • 分割: 2023_10_08T20_46_27.226805
  • 路径:
    • **/details_harness|hendrycksTest-abstract_algebra|5_2023-10-08T20-46-27.226805.parquet
    • **/details_harness|hendrycksTest-anatomy|5_2023-10-08T20-46-27.226805.parquet
    • ...
  • 分割: latest
  • 路径:
    • **/details_harness|hendrycksTest-abstract_algebra|5_2023-10-08T20-46-27.226805.parquet
    • **/details_harness|hendrycksTest-anatomy|5_2023-10-08T20-46-27.226805.parquet
    • ...

（注：以上仅为部分配置示例，完整配置列表请参考原始文档。）