open-llm-leaderboard/details_dvruette__oasst-pythia-12b-reference

该数据集是在模型[dvruette/oasst-pythia-12b-reference](https://huggingface.co/dvruette/oasst-pythia-12b-reference)在[Open LLM Leaderboard](https://huggingface.co/spaces/HuggingFaceH4/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](https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard)上的聚合指标。

原始信息汇总

数据集卡片 for Evaluation run of dvruette/oasst-pythia-12b-reference

数据集描述

数据集概述

数据集是在模型 dvruette/oasst-pythia-12b-reference 在 Open LLM Leaderboard 上的评估运行期间自动创建的。

该数据集由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作为一个特定的分割找到，分割名称使用运行的时间戳。"train" 分割始终指向最新的结果。

一个额外的配置 "results" 存储了所有运行结果的聚合（并用于计算和显示在 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_dvruette__oasst-pythia-12b-reference", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-21T19:14:07.226959 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 "results" 和 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.001363255033557047, "em_stderr": 0.00037786091964608703, "f1": 0.05910759228187943, "f1_stderr": 0.0013983745600314773, "acc": 0.3308481527645552, "acc_stderr": 0.008212170959780564 }, "harness|drop|3": { "em": 0.001363255033557047, "em_stderr": 0.00037786091964608703, "f1": 0.05910759228187943, "f1_stderr": 0.0013983745600314773 }, "harness|gsm8k|5": { "acc": 0.012130401819560273, "acc_stderr": 0.0030152942428909465 }, "harness|winogrande|5": { "acc": 0.6495659037095501, "acc_stderr": 0.013409047676670182 } }