open-llm-leaderboard-old/details_openlm-research__open_llama_7b

该数据集是在评估模型openlm-research/open_llama_7b在Open LLM Leaderboard上的表现时自动生成的。数据集包含64个配置，每个配置对应一个评估任务。数据集由4次运行生成，每次运行的结果作为特定配置中的一个分割，分割名称使用运行的时间戳命名。"train"分割始终指向最新的结果。此外，还有一个名为"results"的配置，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。

原始信息汇总

数据集概述

数据集简介

该数据集是在评估模型 openlm-research/open_llama_7b 在 Open LLM Leaderboard 上的自动创建的。数据集包含64个配置，每个配置对应一个评估任务。

数据集结构

数据集由4次运行结果组成，每次运行的结果可以在每个配置中找到，并以运行的时间戳命名。每个配置的 "train" 分割指向最新的结果。

数据集加载示例

以下是加载数据集的示例代码： python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_openlm-research__open_llama_7b", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-18T17:26:48.856271 运行的最新结果： python { "all": { "em": 0.0008389261744966443, "em_stderr": 0.00029649629898012564, "f1": 0.054966442953020285, "f1_stderr": 0.00134099148142866, "acc": 0.3477395817189483, "acc_stderr": 0.008281452365035358 }, "harness|drop|3": { "em": 0.0008389261744966443, "em_stderr": 0.00029649629898012564, "f1": 0.054966442953020285, "f1_stderr": 0.00134099148142866 }, "harness|gsm8k|5": { "acc": 0.01592115238817286, "acc_stderr": 0.0034478192723890037 }, "harness|winogrande|5": { "acc": 0.6795580110497238, "acc_stderr": 0.013115085457681712 } }

配置详情

数据集包含以下配置：

• harness_arc_challenge_25
• harness_drop_3
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5

每个配置包含多个分割，每个分割对应不同的运行时间戳，以及指向最新结果的 "latest" 分割。