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。

This dataset was automatically generated during the evaluation of the model tiiuae/falcon-7b-instruct on the Open LLM Leaderboard. It comprises 64 configurations, each corresponding to one individual evaluation task. The dataset is constructed from 6 experimental runs, where each run is represented as a dedicated split under each configuration, with the split names using the timestamp of the corresponding run. The train split consistently points to the most up-to-date evaluation results. Additionally, a dedicated results configuration stores the aggregated results across all runs, which are used to calculate and display the aggregate metrics on the Open LLM Leaderboard. The README also provides an example of how to load the run details using Python code.

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