open-llm-leaderboard-old/details_qblocks__mistral_7b_DolphinCoder

该数据集是在Open LLM Leaderboard上对模型qblocks/mistral_7b_DolphinCoder进行评估时自动创建的。它由63个配置组成，每个配置对应一个评估任务。数据集是从1次运行中生成的，每次运行在每个配置中表示为特定的分割。train分割始终指向最新的结果。一个额外的配置results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。可以使用`datasets`库中的`load_dataset`函数加载该数据集。

原始信息汇总

数据集概述

该数据集是在对模型 qblocks/mistral_7b_DolphinCoder 进行评估运行期间自动创建的。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，每次运行的详细结果可以在每个配置中找到，以运行的时间戳命名的特定分割形式存储。"train" 分割始终指向最新的结果。

数据集结构

数据集包含以下配置：

• harness_arc_challenge_25
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5

每个配置包含多个数据文件，分为不同的分割（如 2024_01_05T08_38_41.844099 和 latest），每个分割对应不同的数据文件路径。

数据加载示例

以下是加载数据集详细信息的示例代码：

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_qblocks__mistral_7b_DolphinCoder", "harness_winogrande_5", split="train")

最新结果

以下是来自 2024-01-05T08:38:41.844099 运行的最新结果：

python { "all": { "acc": 0.5955742366975546, "acc_stderr": 0.032892026757812796, "acc_norm": 0.6023520874451797, "acc_norm_stderr": 0.03357558761791825, "mc1": 0.2998776009791922, "mc1_stderr": 0.01604035296671362, "mc2": 0.43954153886534947, "mc2_stderr": 0.014894783303440727 }, "harness|arc:challenge|25": { "acc": 0.568259385665529, "acc_stderr": 0.014474591427196204, "acc_norm": 0.5972696245733788, "acc_norm_stderr": 0.014332236306790149 }, "harness|hellaswag|10": { "acc": 0.628460466042621, "acc_stderr": 0.004822286556305222, "acc_norm": 0.8163712407886875, "acc_norm_stderr": 0.003863898546941602 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.3, "acc_stderr": 0.046056618647183814, "acc_norm": 0.3, "acc_norm_stderr": 0.046056618647183814 }, # 其他任务的结果... }