open-llm-leaderboard-old/details_ajibawa-2023__Code-290k-6.7B-Instruct

该数据集是在评估模型ajibawa-2023/Code-290k-6.7B-Instruct时自动创建的，评估过程在Open LLM Leaderboard上进行。数据集由63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，每次运行的结果作为特定配置中的一个分割，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Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集概述

数据集摘要

该数据集是在对模型 ajibawa-2023/Code-290k-6.7B-Instruct 进行评估运行期间自动创建的。数据集包含63个配置，每个配置对应一个评估任务。数据集从1次运行中创建，每次运行的详细结果可以在每个配置中找到，使用运行的时间戳作为分割名称。"train" 分割始终指向最新的结果。

数据集结构

数据集由多个配置组成，每个配置对应一个特定的评估任务。每个配置包含不同的时间戳分割，以及一个 "latest" 分割指向最新的结果。

数据加载示例

以下是一个加载数据集详细信息的示例代码： python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_ajibawa-2023__Code-290k-6.7B-Instruct", "harness_winogrande_5", split="train")

最新结果

以下是来自最新运行 2024-02-29T19:04:40.805422 的结果示例： python { "all": { "acc": 0.34742519786308085, "acc_stderr": 0.03359515863466484, "acc_norm": 0.35181819845121587, "acc_norm_stderr": 0.03441447653537245, "mc1": 0.26560587515299877, "mc1_stderr": 0.015461027627253597, "mc2": 0.41953006431187406, "mc2_stderr": 0.015854881340136014 }, "harness|arc:challenge|25": { "acc": 0.33276450511945393, "acc_stderr": 0.013769863046192312, "acc_norm": 0.34897610921501704, "acc_norm_stderr": 0.013928933461382496 }, "harness|hellaswag|10": { "acc": 0.41047600079665403, "acc_stderr": 0.004909148239488278, "acc_norm": 0.5199163513244374, "acc_norm_stderr": 0.0049858213361464055 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.3, "acc_stderr": 0.046056618647183814, "acc_norm": 0.3, "acc_norm_stderr": 0.046056618647183814 }, # 其他任务的结果... }

配置详情

数据集包含多个配置，每个配置对应一个特定的评估任务。以下是部分配置的示例：

• harness_arc_challenge_25
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5

每个配置包含不同的时间戳分割和 "latest" 分割。