open-llm-leaderboard/details_dvruette__oasst-llama-13b-2-epochs

该数据集是在模型dvruette/oasst-llama-13b-2-epochs在Open LLM Leaderboard上的评估运行期间自动创建的。数据集包含3个配置，每个配置对应一个评估任务，并且是从单次运行中创建的。每次运行都通过时间戳进行标识，并在每个配置中作为特定分割提供。train分割始终指向最新结果。另外，名为results的配置存储了运行中的所有聚合结果，并用于在Leaderboard上计算和显示聚合指标。可以使用Python中的datasets模块的load_dataset函数加载数据集。

原始信息汇总

数据集卡片 for Evaluation run of dvruette/oasst-llama-13b-2-epochs

数据集描述

数据集概述

数据集是在模型 dvruette/oasst-llama-13b-2-epochs 的评估运行期间自动创建的，用于 Open LLM Leaderboard。

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。

额外的配置 "results" 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）。

加载运行细节的示例： python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_dvruette__oasst-llama-13b-2-epochs", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-16T19:35:51.495118 运行的最新结果：

python { "all": { "em": 0.04299496644295302, "em_stderr": 0.002077330365557692, "f1": 0.10806732382550314, "f1_stderr": 0.0024113571936826787, "acc": 0.42569171474168144, "acc_stderr": 0.00971706467249931 }, "harness|drop|3": { "em": 0.04299496644295302, "em_stderr": 0.002077330365557692, "f1": 0.10806732382550314, "f1_stderr": 0.0024113571936826787 }, "harness|gsm8k|5": { "acc": 0.08263836239575435, "acc_stderr": 0.007584089220148114 }, "harness|winogrande|5": { "acc": 0.7687450670876085, "acc_stderr": 0.01185004012485051 } }