open-llm-leaderboard-old/details_ALBADDAWI__DeepCode-7B-Aurora

该数据集是在Open LLM Leaderboard上对模型ALBADDAWI/DeepCode-7B-Aurora进行评估时自动创建的。数据集由63个配置组成，每个配置对应一个评估任务。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。此外，还有一个名为"results"的配置存储了所有运行的聚合结果，并用于计算和显示Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集概述

数据集创建

• 数据集是在模型 ALBADDAWI/DeepCode-7B-Aurora 的评估运行期间自动创建的。
• 该数据集用于 Open LLM Leaderboard。

数据集结构

• 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。
• 额外的 "results" 配置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_ALBADDAWI__DeepCode-7B-Aurora", "harness_winogrande_5", split="train")

最新结果

• 最新结果来自 2024-04-10T18:12:50.599117 运行。
• 结果包含多个任务的准确率（acc）、标准化准确率（acc_norm）、误差（stderr）等指标。

配置详情

• 每个配置包含特定任务的数据文件路径和分割信息。
• 示例配置包括 harness_arc_challenge_25、harness_gsm8k_5、harness_hellaswag_10 等。