open-llm-leaderboard-old/details_meta-llama__Llama-2-70b-chat-hf

该数据集是在模型meta-llama/Llama-2-70b-chat-hf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生成的。每次运行都以基于时间戳的分割进行标识，其中train分割始终指向最新结果。此外，results配置汇总了所有运行结果，用于在Leaderboard上计算和显示指标。用户可以使用HuggingFace的数据集库加载特定运行的详细信息。

原始信息汇总

数据集卡片 for Evaluation run of meta-llama/Llama-2-70b-chat-hf

数据集描述

数据集概述

数据集是在模型 meta-llama/Llama-2-70b-chat-hf 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" 存储了所有运行的聚合结果（并用于计算和显示 Open LLM Leaderboard 上的聚合指标）。

要加载某个运行的详细信息，可以执行以下操作： python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_meta-llama__Llama-2-70b-chat-hf", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-17T05:07:42.486452 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。你可以在 "results" 和每个评估的 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.040373322147651006, "em_stderr": 0.0020157564185176837, "f1": 0.1050272651006715, "f1_stderr": 0.0023756238577676155, "acc": 0.5359600711595986, "acc_stderr": 0.011658939983913113 }, "harness|drop|3": { "em": 0.040373322147651006, "em_stderr": 0.0020157564185176837, "f1": 0.1050272651006715, "f1_stderr": 0.0023756238577676155 }, "harness|gsm8k|5": { "acc": 0.266868840030326, "acc_stderr": 0.012183780551887957 }, "harness|winogrande|5": { "acc": 0.8050513022888713, "acc_stderr": 0.011134099415938268 } }