open-llm-leaderboard-old/details_codellama__CodeLlama-70b-Python-hf

该数据集是在模型 codellama/CodeLlama-70b-Python-hf 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。它包含一次运行的结果，每次运行都表示为一个特定的分割，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 Python 中的 datasets 库加载数据集的示例，并包含了特定运行的最新结果。

原始信息汇总

数据集概述

数据集摘要

该数据集是在对模型 codellama/CodeLlama-70b-Python-hf 进行评估运行期间自动创建的，用于 Open LLM Leaderboard。

数据集组成

• 数据集包含 63 个配置，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，分割名称使用运行的时间戳。
• "train" 分割始终指向最新的结果。
• 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 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_codellama__CodeLlama-70b-Python-hf", "harness_winogrande_5", split="train")

最新结果

以下是 2024-02-02T06:17:38.337900 运行的最新结果：

python { "all": { "acc": 0.5616930765303749, "acc_stderr": 0.033883080419050034, "acc_norm": 0.5652706193571843, "acc_norm_stderr": 0.03457354414367789, "mc1": 0.2864137086903305, "mc1_stderr": 0.015826142439502342, "mc2": 0.4178040204095389, "mc2_stderr": 0.0149114399190204 }, "harness|arc:challenge|25": { "acc": 0.5025597269624573, "acc_stderr": 0.014611199329843774, "acc_norm": 0.5511945392491467, "acc_norm_stderr": 0.014534599585097669 }, "harness|hellaswag|10": { "acc": 0.5812587134037045, "acc_stderr": 0.00492344562786152, "acc_norm": 0.7848038239394542, "acc_norm_stderr": 0.004101184870964187 }, ... }

配置详情

• config_name: harness_arc_challenge_25

  • split: 2024_02_02T06_17_38.337900
    • path: **/details_harness|arc:challenge|25_2024-02-02T06-17-38.337900.parquet
  • split: latest
    • path: **/details_harness|arc:challenge|25_2024-02-02T06-17-38.337900.parquet

• config_name: harness_gsm8k_5

  • split: 2024_02_02T06_17_38.337900
    • path: **/details_harness|gsm8k|5_2024-02-02T06-17-38.337900.parquet
  • split: latest
    • path: **/details_harness|gsm8k|5_2024-02-02T06-17-38.337900.parquet

• config_name: harness_hellaswag_10

  • split: 2024_02_02T06_17_38.337900
    • path: **/details_harness|hellaswag|10_2024-02-02T06-17-38.337900.parquet
  • split: latest
    • path: **/details_harness|hellaswag|10_2024-02-02T06-17-38.337900.parquet

• config_name: harness_hendrycksTest_5

  • split: 2024_02_02T06_17_38.337900
    • path:
      • **/details_harness|hendrycksTest-abstract_algebra|5_2024-02-02T06-17-38.337900.parquet
      • **/details_harness|hendrycksTest-anatomy|5_2024-02-02T06-17-38.337900.parquet
      • ...
  • split: latest
    • path:
      • **/details_harness|hendrycksTest-abstract_algebra|5_2024-02-02T06-17-38.337900.parquet
      • **/details_harness|hendrycksTest-anatomy|5_2024-02-02T06-17-38.337900.parquet
      • ...