open-llm-leaderboard/details_Azure99__blossom-v1-3b

该数据集是在评估模型Azure99/blossom-v1-3b时自动创建的，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，每次运行的结果作为一个特定的分割存储在配置中，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 Azure99/blossom-v1-3b

数据集描述

数据集概述

数据集是在模型 Azure99/blossom-v1-3b 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。

数据集是从1次运行中创建的。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 timestamp。"train" 分割始终指向最新的结果。

一个额外的配置 "results" 存储了运行的所有聚合结果（并用于计算和显示 Open LLM Leaderboard 上的聚合指标）。

要加载运行的详细信息，可以执行以下操作： python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_Azure99__blossom-v1-3b", "harness_winogrande_5", split="train")

最新结果

以下是 2023-09-22T20:19:06.674002 运行的最新结果（注意，如果连续的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。您可以在每个评估的 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.035968959731543626, "em_stderr": 0.0019069930004768894, "f1": 0.08654886744966468, "f1_stderr": 0.002229945283926482, "acc": 0.2962915868075896, "acc_stderr": 0.007760914549413539 }, "harness|drop|3": { "em": 0.035968959731543626, "em_stderr": 0.0019069930004768894, "f1": 0.08654886744966468, "f1_stderr": 0.002229945283926482 }, "harness|gsm8k|5": { "acc": 0.0037907505686125853, "acc_stderr": 0.0016927007401502012 }, "harness|winogrande|5": { "acc": 0.5887924230465666, "acc_stderr": 0.013829128358676876 } }