open-llm-leaderboard/details_OpenBuddy__openbuddy-llama2-70b-v10.1-bf16

该数据集是在OpenBuddy/openbuddy-llama2-70b-v10.1-bf16模型在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。数据集基于单次运行创建，每次运行都以时间戳命名，并作为每个配置中的特定分割提供。此外，结果配置存储了运行结果的所有聚合结果，并用于在Leaderboard上计算和显示聚合指标。数据集还包含了特定运行的最新结果，提供了详细的指标，如EM、F1和准确率分数。

原始信息汇总

数据集卡片：Evaluation run of OpenBuddy/openbuddy-llama2-70b-v10.1-bf16

数据集描述

数据集概述

数据集是在模型 OpenBuddy/openbuddy-llama2-70b-v10.1-bf16 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。

数据集从1次运行中创建。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）。

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_OpenBuddy__openbuddy-llama2-70b-v10.1-bf16_public", "harness_winogrande_5", split="train")

最新结果

以下是来自运行 2023-11-08T16:10:00.132989 的最新结果：

python { "all": { "em": 0.5072357382550335, "em_stderr": 0.0051199317896190475, "f1": 0.563010696308727, "f1_stderr": 0.00483160969587092, "acc": 0.7019171563925458, "acc_stderr": 0.012348644812426555 }, "harness|drop|3": { "em": 0.5072357382550335, "em_stderr": 0.0051199317896190475, "f1": 0.563010696308727, "f1_stderr": 0.00483160969587092 }, "harness|gsm8k|5": { "acc": 0.6027293404094011, "acc_stderr": 0.013478659652337792 }, "harness|winogrande|5": { "acc": 0.8011049723756906, "acc_stderr": 0.01121862997251532 } }