open-llm-leaderboard-old/details_bigcode__starcoderbase-7b

该数据集是在模型bigcode/starcoderbase-7b的评估运行中自动创建的，包含63个配置，每个配置对应一个评估任务。数据集由1次运行创建，每次运行可以在每个配置中找到特定的分割，分割以运行的时间戳命名。train分割始终指向最新的结果。此外，一个名为results的配置存储了所有运行的聚合结果，用于计算和显示在Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集概述

数据集简介

该数据集是在对模型 bigcode/starcoderbase-7b 进行评估运行期间自动创建的，用于 Open LLM Leaderboard。

数据集结构

• 配置数量：63个配置，每个配置对应一个评估任务。
• 运行次数：数据集从1次运行中创建。每个运行在每个配置中作为一个特定的分片存在，分片名称使用运行的时间戳。
• 最新结果："train" 分片始终指向最新的结果。
• 聚合结果：一个额外的配置 "results" 存储所有运行的聚合结果，用于计算和显示在 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_bigcode__starcoderbase-7b", "harness_winogrande_5", split="train")

最新结果

以下是 2024-02-14T22:30:37.851656 运行的最新结果：

python { "all": { "acc": 0.2855544717164793, "acc_stderr": 0.032025544877512004, "acc_norm": 0.28731800624157283, "acc_norm_stderr": 0.03278279025567369, "mc1": 0.25091799265605874, "mc1_stderr": 0.015176985027707696, "mc2": 0.4046263361255611, "mc2_stderr": 0.014888506723649383 }, "harness|arc:challenge|25": { "acc": 0.2508532423208191, "acc_stderr": 0.012668198621315435, "acc_norm": 0.2986348122866894, "acc_norm_stderr": 0.013374078615068756 }, "harness|hellaswag|10": { "acc": 0.3551085441147182, "acc_stderr": 0.004775681871529863, "acc_norm": 0.4386576379207329, "acc_norm_stderr": 0.004952087083128893 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.24, "acc_stderr": 0.04292346959909283, "acc_norm": 0.24, "acc_norm_stderr": 0.04292346959909283 }, ... }

配置详情

• harness_arc_challenge_25

  • 分片：2024_02_14T22_30_37.851656, latest
  • 路径：**/details_harness|arc:challenge|25_2024-02-14T22-30-37.851656.parquet

• harness_gsm8k_5

  • 分片：2024_02_14T22_30_37.851656, latest
  • 路径：**/details_harness|gsm8k|5_2024-02-14T22-30-37.851656.parquet

• harness_hellaswag_10

  • 分片：2024_02_14T22_30_37.851656, latest
  • 路径：**/details_harness|hellaswag|10_2024-02-14T22-30-37.851656.parquet

• harness_hendrycksTest_5

  • 分片：2024_02_14T22_30_37.851656, latest
  • 路径：多个路径，包括 **/details_harness|hendrycksTest-abstract_algebra|5_2024-02-14T22-30-37.851656.parquet 等。

以上是数据集的详细概述，包括数据集的创建背景、结构、加载示例、最新结果以及各个配置的详细信息。