open-llm-leaderboard-old/details_GeorgiaTechResearchInstitute__galactica-6.7b-evol-instruct-70k

该数据集是在评估模型GeorgiaTechResearchInstitute/galactica-6.7b-evol-instruct-70k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。数据集由一个运行生成，每个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。此外，还有一个results配置存储了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 GeorgiaTechResearchInstitute/galactica-6.7b-evol-instruct-70k

数据集描述

数据集概述

数据集是在模型 GeorgiaTechResearchInstitute/galactica-6.7b-evol-instruct-70k 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。

一个额外的配置 "results" 存储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_GeorgiaTechResearchInstitute__galactica-6.7b-evol-instruct-70k", "harness_winogrande_5", split="train")

最新结果

以下是 2023-09-22T18:49:08.232237 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。你可以在每个评估的 "results" 和 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.03838087248322147, "em_stderr": 0.0019674269651511014, "f1": 0.12162856543624175, "f1_stderr": 0.0024752721568615517, "acc": 0.28326869809409316, "acc_stderr": 0.00781704702542305 }, "harness|drop|3": { "em": 0.03838087248322147, "em_stderr": 0.0019674269651511014, "f1": 0.12162856543624175, "f1_stderr": 0.0024752721568615517 }, "harness|gsm8k|5": { "acc": 0.0037907505686125853, "acc_stderr": 0.0016927007401501821 }, "harness|winogrande|5": { "acc": 0.5627466456195738, "acc_stderr": 0.013941393310695918 } }