open-llm-leaderboard-old/details_KnutJaegersberg__gpt-2-xl-EvolInstruct

数据集是在模型KnutJaegersberg/gpt-2-xl-EvolInstruct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。此外，还有一个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 KnutJaegersberg/gpt-2-xl-EvolInstruct

数据集描述

数据集概述

该数据集是在模型 KnutJaegersberg/gpt-2-xl-EvolInstruct 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。每次运行都可以在每个配置中找到特定的拆分，拆分名称使用运行的时间戳。"train" 拆分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（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_KnutJaegersberg__gpt-2-xl-EvolInstruct", "harness_winogrande_5", split="train")

最新结果

以下是 2023-09-17T18:02:57.671011 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 "latest" 拆分中找到每个任务的结果）：

python { "all": { "em": 0.0045092281879194635, "em_stderr": 0.000686134689909505, "f1": 0.039052013422818846, "f1_stderr": 0.0012293007940162644, "acc": 0.26831931822737687, "acc_stderr": 0.007544776234715419 }, "harness|drop|3": { "em": 0.0045092281879194635, "em_stderr": 0.000686134689909505, "f1": 0.039052013422818846, "f1_stderr": 0.0012293007940162644 }, "harness|gsm8k|5": { "acc": 0.001516300227445034, "acc_stderr": 0.0010717793485492619 }, "harness|winogrande|5": { "acc": 0.5351223362273086, "acc_stderr": 0.014017773120881576 } }