open-llm-leaderboard/details_internlm__internlm-20b

该数据集是在评估模型internlm/internlm-20b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1次运行生成，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。此外，results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 internlm/internlm-20b

数据集描述

数据集概述

数据集是在模型 internlm/internlm-20b 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 timestamp。"train" 分割始终指向最新的结果。

一个额外的配置 "results" 存储了所有运行的聚合结果（用于计算和显示 Open LLM Leaderboard 上的聚合指标）。

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_internlm__internlm-20b_public", "harness_winogrande_5", split="train")

最新结果

以下是 2023-11-08T17:07:38.003322 运行的最新结果（注意，如果有其他任务的结果，可以在 "results" 和每个评估的 "latest" 分割中找到）：

python { "all": { "em": 0.446623322147651, "em_stderr": 0.005091207245611711, "f1": 0.4853261325503364, "f1_stderr": 0.004942779780816972, "acc": 0.5010965351881582, "acc_stderr": 0.011778846211925709 }, "harness|drop|3": { "em": 0.446623322147651, "em_stderr": 0.005091207245611711, "f1": 0.4853261325503364, "f1_stderr": 0.004942779780816972 }, "harness|gsm8k|5": { "acc": 0.2350265352539803, "acc_stderr": 0.011679491349994874 }, "harness|winogrande|5": { "acc": 0.7671665351223362, "acc_stderr": 0.011878201073856542 } }