open-llm-leaderboard-old/details_Aeala__Enterredaas-33b

该数据集是在评估模型Aeala/Enterredaas-33b在Open LLM Leaderboard上的表现时自动生成的。数据集包含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，并用于在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 Aeala/Enterredaas-33b

数据集描述

数据集概述

该数据集是在模型 Aeala/Enterredaas-33b 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拆分，拆分名称使用运行的 timestamp。"train" 拆分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_Aeala__Enterredaas-33b", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-17T04:24:16.762833 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。您可以在结果和每个评估的 "latest" 拆分中找到每个任务的结果）：

python { "all": { "em": 0.001572986577181208, "em_stderr": 0.00040584511324177344, "f1": 0.06232487416107388, "f1_stderr": 0.0013590473373823627, "acc": 0.47496578750374735, "acc_stderr": 0.010824257783821654 }, "harness|drop|3": { "em": 0.001572986577181208, "em_stderr": 0.00040584511324177344, "f1": 0.06232487416107388, "f1_stderr": 0.0013590473373823627 }, "harness|gsm8k|5": { "acc": 0.16224412433661864, "acc_stderr": 0.010155130880393526 }, "harness|winogrande|5": { "acc": 0.7876874506708761, "acc_stderr": 0.011493384687249784 } }