open-llm-leaderboard/details_tiiuae__falcon-7b-instruct

该数据集是在Open LLM Leaderboard上对模型tiiuae/falcon-7b-instruct进行评估时自动生成的。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6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results配置存储了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。README还提供了一个如何使用Python代码加载运行细节的示例。

原始信息汇总

数据集概述

数据集名称

Evaluation run of tiiuae/falcon-7b-instruct

数据集摘要

该数据集是在评估模型 tiiuae/falcon-7b-instruct 在 Open LLM Leaderboard 上的自动创建的。

数据集组成

数据集由64个配置组成，每个配置对应一个评估任务。数据集从6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片找到，分片名称使用运行的时间戳。"train" 分片始终指向最新的结果。

额外配置

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_tiiuae__falcon-7b-instruct", "harness_gsm8k_5", split="train")

最新结果

以下是 最新结果 的示例： python { "all": { "acc": 0.04700530705079606, "acc_stderr": 0.005829898355937184 }, "harness|gsm8k|5": { "acc": 0.04700530705079606, "acc_stderr": 0.005829898355937184 } }

配置详情

• config_name: harness_arc_challenge_25

  • splits:
    • 2023_09_12T17_11_33.167282
    • 2023_10_03T22_10_35.400219
    • latest

• config_name: harness_drop_3

  • splits:
    • 2023_10_25T19_58_40.365010
    • 2023_10_26T00_21_45.676219
    • latest

• config_name: harness_gsm8k_5

  • splits:
    • 2023_10_25T19_58_40.365010
    • 2023_10_26T00_21_45.676219
    • 2023_12_03T18_01_19.868958
    • 2023_12_03T18_01_45.204079
    • latest

• config_name: harness_hellaswag_10

  • splits:
    • 2023_09_12T17_11_33.167282
    • 2023_10_03T22_10_35.400219
    • latest

• config_name: harness_hendrycksTest_5

  • splits:
    • 2023_09_12T17_11_33.167282
    • 2023_10_03T22_10_35.400219
    • latest