open-llm-leaderboard/details_microsoft__CodeGPT-small-py

该数据集是在评估模型microsoft/CodeGPT-small-py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，每次运行在配置中作为一个特定的分割，分割名称使用运行的时间戳。train分割始终指向最新结果。此外，还有一个results配置存储所有运行的聚合结果，用于在Open LLM Leaderboard上计算和显示聚合指标。

原始信息汇总

数据集卡片 for Evaluation run of microsoft/CodeGPT-small-py

数据集描述

数据集概述

数据集是在模型 microsoft/CodeGPT-small-py 在 Open LLM Leaderboard 上的评估运行期间自动创建的。

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作为一个特定的分割找到，分割名称使用运行的timestamp。"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（并用于计算和显示 Open LLM Leaderboard 上的聚合指标）。

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

最新结果

以下是 2023-10-16T10:55:21.745604 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。你可以在 "results" 和每个评估的 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.00388003355704698, "em_stderr": 0.0006366682825519956, "f1": 0.016416736577181235, "f1_stderr": 0.0008900949322041355, "acc": 0.24388318863456984, "acc_stderr": 0.007024139410202808 }, "harness|drop|3": { "em": 0.00388003355704698, "em_stderr": 0.0006366682825519956, "f1": 0.016416736577181235, "f1_stderr": 0.0008900949322041355 }, "harness|gsm8k|5": { "acc": 0.0, "acc_stderr": 0.0 }, "harness|winogrande|5": { "acc": 0.4877663772691397, "acc_stderr": 0.014048278820405616 } }