open-llm-leaderboard-old/details_openchat__opencoderplus

该数据集是在评估模型openchat/opencoderplus时自动生成的，包含3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，每次运行的结果以时间戳命名的split形式存储，train split始终指向最新结果。此外，还有一个results配置用于存储所有运行的聚合结果，并在Open LLM Leaderboard上显示。

原始信息汇总

数据集卡片 for Evaluation run of openchat/opencoderplus

数据集描述

数据集概述

数据集是在模型 openchat/opencoderplus 在 Open LLM Leaderboard 上的评估运行期间自动创建的。

该数据集由 3 个配置组成，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" 存储了运行中所有聚合的结果（并用于计算和显示 Open LLM Leaderboard 上的聚合指标）。

要加载运行的详细信息，可以执行以下操作： python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_openchat__opencoderplus", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-19T03:19:58.630219 运行的最新结果（注意，如果连续评估没有覆盖相同的任务，仓库中可能会有其他任务的结果。您可以在 "results" 和每个评估的 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.033976510067114093, "em_stderr": 0.0018553373122680704, "f1": 0.09136325503355722, "f1_stderr": 0.0022463129422016395, "acc": 0.3538260251930829, "acc_stderr": 0.009542580764267136 }, "harness|drop|3": { "em": 0.033976510067114093, "em_stderr": 0.0018553373122680704, "f1": 0.09136325503355722, "f1_stderr": 0.0022463129422016395 }, "harness|gsm8k|5": { "acc": 0.04624715693707354, "acc_stderr": 0.0057849916626918465 }, "harness|winogrande|5": { "acc": 0.6614048934490924, "acc_stderr": 0.013300169865842424 } }