open-llm-leaderboard-old/details_csitfun__llama-7b-logicot

数据集是在模型csitfun/llama-7b-logicot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，分割使用运行的时间戳命名。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，并用于计算和显示在Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集卡片 for Evaluation run of csitfun/llama-7b-logicot

数据集描述

数据集概述

数据集是在模型 csitfun/llama-7b-logicot 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。

数据集是从1次运行中创建的。每次运行可以在每个配置中找到一个特定的分割，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_csitfun__llama-7b-logicot", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-24T23:32:58.123828 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。您可以在每个评估的 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.0020973154362416107, "em_stderr": 0.0004685065030368161, "f1": 0.05921245805369133, "f1_stderr": 0.0013293292378975478, "acc": 0.3378058405682715, "acc_stderr": 0.006578612863320816 }, "harness|drop|3": { "em": 0.0020973154362416107, "em_stderr": 0.0004685065030368161, "f1": 0.05921245805369133, "f1_stderr": 0.0013293292378975478 }, "harness|gsm8k|5": { "acc": 0.0, "acc_stderr": 0.0 }, "harness|winogrande|5": { "acc": 0.675611681136543, "acc_stderr": 0.013157225726641632 } }