open-llm-leaderboard/details_Brillibits__Instruct_Llama70B_Dolly15k

数据集是在模型Brillibits/Instruct_Llama70B_Dolly15k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。数据集由1次运行创建，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时间戳。train分割始终指向最新结果。额外的配置results存储了所有运行的聚合结果，并用于计算和显示在Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集卡片：Evaluation run of Brillibits/Instruct_Llama70B_Dolly15k

数据集描述

数据集概述

该数据集是在模型 Brillibits/Instruct_Llama70B_Dolly15k 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。

数据集从1次运行中创建。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时间戳。"train" 分割始终指向最新的结果。

额外的配置 "results" 存储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）。

加载运行详细信息的方法如下： python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_Brillibits__Instruct_Llama70B_Dolly15k_public", "harness_winogrande_5", split="train")

最新结果

以下是 2023-11-07T07:12:49.365073 运行的最新结果：

python { "all": { "em": 0.2294463087248322, "em_stderr": 0.004306075513502917, "f1": 0.2826310822147651, "f1_stderr": 0.004256290262260348, "acc": 0.6348872917405918, "acc_stderr": 0.01192527682309685 }, "harness|drop|3": { "em": 0.2294463087248322, "em_stderr": 0.004306075513502917, "f1": 0.2826310822147651, "f1_stderr": 0.004256290262260348 }, "harness|gsm8k|5": { "acc": 0.4268385140257771, "acc_stderr": 0.013624249696595222 }, "harness|winogrande|5": { "acc": 0.8429360694554064, "acc_stderr": 0.010226303949598477 } }