open-llm-leaderboard/details_ikala__bloom-zh-3b-chat

该数据集是在评估ikala/bloom-zh-3b-chat模型在Open LLM Leaderboard上的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。数据集来源于一次运行，每个运行在每个配置中作为一个特定的分割存在，分割名称使用运行的时间戳。此外，结果配置存储了运行所有聚合结果，用于在Open LLM Leaderboard上计算和显示聚合指标。可以通过load_dataset函数加载数据集，指定相应的分割和配置。

原始信息汇总

数据集卡片 for Evaluation run of ikala/bloom-zh-3b-chat

数据集描述

数据集概述

数据集是在模型 ikala/bloom-zh-3b-chat 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一个特定的分割，分割名称使用运行的时间戳。"train" 分割始终指向最新的结果。

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_ikala__bloom-zh-3b-chat", "harness_winogrande_5", split="train")

最新结果

以下是 2023-09-17T18:43:41.397434 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 "results" 和每个评估的 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.08022231543624161, "em_stderr": 0.0027818178017908015, "f1": 0.1465918624161071, "f1_stderr": 0.003030605237968897, "acc": 0.2954867628904967, "acc_stderr": 0.007847263403599461 }, "harness|drop|3": { "em": 0.08022231543624161, "em_stderr": 0.0027818178017908015, "f1": 0.1465918624161071, "f1_stderr": 0.003030605237968897 }, "harness|gsm8k|5": { "acc": 0.004548900682335102, "acc_stderr": 0.0018535550440036198 }, "harness|winogrande|5": { "acc": 0.5864246250986582, "acc_stderr": 0.013840971763195304 } }