open-llm-leaderboard/details_h2oai__h2ogpt-gm-oasst1-en-2048-open-llama-7b-preview-300bt

该数据集是在评估模型h2oai/h2ogpt-gm-oasst1-en-2048-open-llama-7b-preview-300bt时自动生成的，主要用于在Open LLM Leaderboard上展示评估结果。数据集包含3个配置，每个配置对应一个评估任务，并且每个配置中包含多个运行结果的分割。数据集还包含一个额外的配置results，用于存储所有运行的聚合结果。README还提供了如何加载数据集的具体代码示例，并展示了最新的评估结果。

原始信息汇总

数据集卡片 for Evaluation run of h2oai/h2ogpt-gm-oasst1-en-2048-open-llama-7b-preview-300bt

数据集描述

数据集概述

数据集是在模型 h2oai/h2ogpt-gm-oasst1-en-2048-open-llama-7b-preview-300bt 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。

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_h2oai__h2ogpt-gm-oasst1-en-2048-open-llama-7b-preview-300bt", "harness_winogrande_5", split="train")

最新结果

这些是 2023-10-18T10:05:46.000869 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": 0.09406459731543625, "em_stderr": 0.0029895193407219744, "f1": 0.1653156459731545, "f1_stderr": 0.003297300596545349, "acc": 0.27466456195737965, "acc_stderr": 0.00699196443452012 }, "harness|drop|3": { "em": 0.09406459731543625, "em_stderr": 0.0029895193407219744, "f1": 0.1653156459731545, "f1_stderr": 0.003297300596545349 }, "harness|gsm8k|5": { "acc": 0.0, "acc_stderr": 0.0 }, "harness|winogrande|5": { "acc": 0.5493291239147593, "acc_stderr": 0.01398392886904024 } }