open-llm-leaderboard-old/details_lgaalves__mistral-7b-platypus1k

该数据集是在评估模型lgaalves/mistral-7b-platypus1k在Open LLM Leaderboard上的表现时自动生成的。数据集包含3个配置，每个配置对应一个评估任务。数据集由2次运行生成，每次运行的结果作为特定配置中的一个分割，分割名称使用运行的时间戳。train分割始终指向最新的结果。此外，还有一个results配置存储所有运行的聚合结果，用于在Open LLM Leaderboard上计算和显示聚合指标。

原始信息汇总

数据集卡片 for Evaluation run of lgaalves/mistral-7b-platypus1k

数据集描述

数据集概述

数据集是在模型 lgaalves/mistral-7b-platypus1k 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2次运行中创建。每次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。"train" 分割始终指向最新的结果。

一个额外的配置 "results" 存储所有运行的聚合结果（用于计算并在 Open LLM Leaderboard 上显示聚合指标）。

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_lgaalves__mistral-7b-platypus1k_public", "harness_winogrande_5", split="train")

最新结果

以下是 2023-11-06T16:30:05.854824 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": 0.0018875838926174498, "em_stderr": 0.0004445109990558977, "f1": 0.05987311241610734, "f1_stderr": 0.001362358723340712, "acc": 0.4725668736869253, "acc_stderr": 0.010904717715097085 }, "harness|drop|3": { "em": 0.0018875838926174498, "em_stderr": 0.0004445109990558977, "f1": 0.05987311241610734, "f1_stderr": 0.001362358723340712 }, "harness|gsm8k|5": { "acc": 0.16376042456406367, "acc_stderr": 0.010193237214420947 }, "harness|winogrande|5": { "acc": 0.7813733228097869, "acc_stderr": 0.011616198215773223 } }