open-llm-leaderboard/details_bigcode__starcoderplus

该数据集是在模型bigcode/starcoderplus在Open LLM Leaderboard上评估时自动生成的。数据集由64个配置组成，每个配置对应一个被评估的任务。数据集是从3次运行中创建的，每次运行在每个配置中表示为特定的分割，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还提供了一个使用Python中的datasets库加载运行细节的示例。

原始信息汇总

数据集概述

该数据集是在对模型 bigcode/starcoderplus 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 64 个配置，每个配置对应一个评估任务。
• 数据集从 3 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_bigcode__starcoderplus", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-15T01:45:50.036434 运行的最新结果： python { "all": { "em": 0.0012583892617449664, "em_stderr": 0.00036305608931191014, "f1": 0.05428062080536913, "f1_stderr": 0.0012821278013514389, "acc": 0.39022141932642523, "acc_stderr": 0.010183303049937573 }, "harness|drop|3": { "em": 0.0012583892617449664, "em_stderr": 0.00036305608931191014, "f1": 0.05428062080536913, "f1_stderr": 0.0012821278013514389 }, "harness|gsm8k|5": { "acc": 0.0803639120545868, "acc_stderr": 0.007488258573239077 }, "harness|winogrande|5": { "acc": 0.7000789265982637, "acc_stderr": 0.01287834752663607 } }

配置详情

• harness_arc_challenge_25

  • 分割：2023_08_28T09_43_16.279088, latest
  • 路径：**/details_harness|arc:challenge|25_2023-08-28T09:43:16.279088.parquet

• harness_drop_3

  • 分割：2023_09_23T10_57_53.936866, 2023_10_15T01_45_50.036434, latest
  • 路径：**/details_harness|drop|3_2023-09-23T10-57-53.936866.parquet, **/details_harness|drop|3_2023-10-15T01-45-50.036434.parquet

• harness_gsm8k_5

  • 分割：2023_09_23T10_57_53.936866, 2023_10_15T01_45_50.036434, latest
  • 路径：**/details_harness|gsm8k|5_2023-09-23T10-57-53.936866.parquet, **/details_harness|gsm8k|5_2023-10-15T01-45-50.036434.parquet

• harness_hellaswag_10

  • 分割：2023_08_28T09_43_16.279088, latest
  • 路径：**/details_harness|hellaswag|10_2023-08-28T09:43:16.279088.parquet

• harness_hendrycksTest_5

  • 分割：2023_08_28T09_43_16.279088, latest
  • 路径：多个路径，详见原文档

• harness_hendrycksTest_abstract_algebra_5

  • 分割：2023_08_28T09_43_16.279088, latest
  • 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2023-08-28T09:43:16.279088.parquet

• harness_hendrycksTest_anatomy_5

  • 分割：2023_08_28T09_43_16.279088, latest
  • 路径：**/details_harness|hendrycksTest-anatomy|5_2023-08-28T09:43:16.279088.parquet

• harness_hendrycksTest_astronomy_5

  • 分割：2023_08_28T09_43_16.279088, latest
  • 路径：**/details_harness|hendrycksTest-astronomy|5_2023-08-28T09:43:16.279088.parquet

• harness_hendrycksTest_business_ethics_5

  • 分割：2023_08_28T09_43_16.279088, latest
  • 路径：**/details_harness|hendrycksTest-business_ethics|5_2023-08-28T09:43:16.279088.parquet

• harness_hendrycksTest_clinical_knowledge_5

  • 分割：2023_08_28T09_43_16.279088, latest
  • 路径：**/details_harness|hendrycksTest-clinical_knowledge|5_2023-08-28T09:43:16.279088.parquet

• harness_hendrycksTest_college_biology_5

  • 分割：2023_08_28T09_43_16.279088, latest
  • 路径：**/details_harness|hendrycksTest-college_biology|5_2023-08-28T09:43:16.279088.parquet

• harness_hendrycksTest_college_chemistry_5

  • 分割：2023_08_28T09_43_16.279088, latest
  • 路径：**/details_harness|hendrycksTest-college_chemistry|5_2023-08-28T09:43:16.279088.parquet

• harness_hendrycksTest_college_computer_science_5

  • 分割：2023_08_28T09_43_16.279088, latest
  • 路径：**/details_harness|hendrycksTest-college_computer_science|5_2023-08-28T09:43:16.279088.parquet

• harness_hendrycksTest_college_mathematics_5

  • 分割：2023_08_28T09_43_16.279088, latest
  • 路径：**/details_harness|hendrycksTest-college_mathematics|5_2023-08-28T09:43:16.279088.parquet

• harness_hendrycksTest_college_medicine_5

  • 分割：2023_08_28T09_43_16.279088, latest
  • 路径：**/details_harness|hendrycksTest-college_medicine|5_2023-08-28T09:43:16.279088.parquet

• harness_hendrycksTest_college_physics_5

  • 分割：2023_08_28T09_43_16.279088, latest
  • 路径：**/details_harness|hendrycksTest-college_physics|5_2023-08-28T09:43:16.279088.parquet

• harness_hendrycksTest_computer_security_5

  • 分割：2023_08_28T09_43_16.279088, latest
  • 路径：**/details_harness|hendrycksTest-computer_security|5_2023-08-28T09:43:16.279088.parquet

• harness_hendrycksTest_conceptual_physics_5

  • 分割：2023_08_28T09_43_16.279088, latest
  • 路径：**/details_harness|hendrycksTest-conceptual_physics|5_2023-08-28T09:43:16.279088.parquet

• harness_hendrycksTest_econometrics_5

  • 分割：2023_08_28T09_43_16.279088, latest
  • 路径：**/details_harness|hendrycksTest-econometrics|5_2023-08-28T09:43:16.279088.parquet

• harness_hendrycksTest_electrical_engineering_5

  • 分割：2023_08_28T09_43_16.279088, latest
  • 路径：**/details_harness|hendrycksTest-electrical_engineering|5_2023-08-28T09:43:16.279088.parquet

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