open-llm-leaderboard/details_edor__Platypus2-mini-7B

该数据集是在模型edor/Platypus2-mini-7B的评估运行期间自动创建的，用于Open LLM排行榜上的评估。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次运行创建，每次运行都可以在每个配置中找到特定的分割，分割名称使用运行的时间戳命名。train分割始终指向最新的结果。此外，results配置存储了运行中的所有聚合结果，并用于在Open LLM排行榜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 edor/Platypus2-mini-7B

数据集描述

数据集概述

数据集是在模型 edor/Platypus2-mini-7B 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作为一个特定的分割找到，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）。

加载运行细节的示例： python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_edor__Platypus2-mini-7B", "harness_winogrande_5", split="train")

最新结果

以下是来自运行 2023-10-15T00:02:17.687247 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 "results" 和每个评估的 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.037856543624161076, "em_stderr": 0.0019544746699158705, "f1": 0.09621854026845604, "f1_stderr": 0.00226406080927082, "acc": 0.4067747623974298, "acc_stderr": 0.0093991751789674 }, "harness|drop|3": { "em": 0.037856543624161076, "em_stderr": 0.0019544746699158705, "f1": 0.09621854026845604, "f1_stderr": 0.00226406080927082 }, "harness|gsm8k|5": { "acc": 0.0621683093252464, "acc_stderr": 0.006651035644531692 }, "harness|winogrande|5": { "acc": 0.7513812154696132, "acc_stderr": 0.012147314713403108 } }