open-llm-leaderboard/details_Weyaxi__llama-2-alpacagpt4-1000step

该数据集是在评估模型Weyaxi/llama-2-alpacagpt4-1000step时自动生成的，主要用于在Open LLM Leaderboard上展示模型的评估结果。数据集包含3个配置，每个配置对应一个评估任务，并且每个配置中包含多个运行结果的分割。此外，还有一个名为results的配置，用于存储所有运行的聚合结果。README还提供了如何加载数据集中的具体运行结果的代码示例，并展示了最新的评估结果。

Dataset automatically created during the evaluation run of model Weyaxi/llama-2-alpacagpt4-1000step on the Open LLM Leaderboard. The dataset is composed of 3 configurations, each corresponding to an evaluated task. It includes results from a single run, with each run represented as a split named by the timestamp. An additional results configuration stores all the aggregated results of the run for leaderboard metrics. The dataset provides detailed metrics such as exact match (em), F1 score, and accuracy with standard errors for tasks like DROP, GSM8K, and Winogrande.

原始信息汇总

数据集卡片 for Evaluation run of Weyaxi/llama-2-alpacagpt4-1000step

数据集描述

数据集总结

数据集是在模型 Weyaxi/llama-2-alpacagpt4-1000step 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作为一个特定的分割找到，分割名称使用运行的 timestamp。"train" 分割总是指向最新的结果。

一个额外的配置 "results" 存储了所有运行的聚合结果（并用于计算和显示 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_Weyaxi__llama-2-alpacagpt4-1000step", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-27T06:34:41.482780 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 "results" 和每个评估的 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.007864932885906041, "em_stderr": 0.0009046332824008166, "f1": 0.07264681208053722, "f1_stderr": 0.0016288280664899088, "acc": 0.4836165974438314, "acc_stderr": 0.010680678903995254 }, "harness|drop|3": { "em": 0.007864932885906041, "em_stderr": 0.0009046332824008166, "f1": 0.07264681208053722, "f1_stderr": 0.0016288280664899088 }, "harness|gsm8k|5": { "acc": 0.16376042456406367, "acc_stderr": 0.010193237214420942 }, "harness|winogrande|5": { "acc": 0.8034727703235991, "acc_stderr": 0.011168120593569567 } }