open-llm-leaderboard/details_TheBloke__chronos-wizardlm-uc-scot-st-13B-GPTQ

该数据集是在评估模型TheBloke/chronos-wizardlm-uc-scot-st-13B-GPTQ时自动创建的，用于在Open LLM Leaderboard上进行评估。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，每次运行的结果可以在每个配置的特定分割中找到，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，还有一个名为results的配置，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 for Evaluation run of TheBloke/chronos-wizardlm-uc-scot-st-13B-GPTQ

数据集描述

数据集概述

该数据集是在模型 TheBloke/chronos-wizardlm-uc-scot-st-13B-GPTQ 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（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_TheBloke__chronos-wizardlm-uc-scot-st-13B-GPTQ_public", "harness_winogrande_5", split="train")

最新结果

以下是 2023-11-07T17:01:57.084059 运行的最新结果（注意，如果连续评估没有覆盖相同的任务，则仓库中可能会有其他任务的结果。您可以在每个评估的 "results" 和 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.008284395973154363, "em_stderr": 0.0009282472025612514, "f1": 0.0820406879194631, "f1_stderr": 0.0018086518070639704, "acc": 0.40702937397863653, "acc_stderr": 0.009614901402107493 }, "harness|drop|3": { "em": 0.008284395973154363, "em_stderr": 0.0009282472025612514, "f1": 0.0820406879194631, "f1_stderr": 0.0018086518070639704 }, "harness|gsm8k|5": { "acc": 0.06899166034874905, "acc_stderr": 0.006980995834838566 }, "harness|winogrande|5": { "acc": 0.745067087608524, "acc_stderr": 0.012248806969376422 } }