open-llm-leaderboard/details_meta-llama__Llama-2-13b-chat-hf

该数据集是在评估模型meta-llama/Llama-2-13b-chat-hf在Open LLM Leaderboard上的表现时自动创建的。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，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Open LLM Leaderboard上的聚合指标。

Dataset automatically created during the evaluation run of model meta-llama/Llama-2-13b-chat-hf on the Open LLM Leaderboard. It consists of 3 configurations, each corresponding to an evaluated task. The dataset is generated from a single run, with each run represented as a specific split named by the timestamp of the run. The train split always points to the latest results. An additional configuration named results stores all aggregated results from the run, which are used to compute and display aggregated metrics on the Open LLM Leaderboard. The dataset includes detailed results from the latest run, such as exact match (em), F1 score (f1), and accuracy (acc) metrics for different tasks.

原始信息汇总

数据集卡片 for Evaluation run of meta-llama/Llama-2-13b-chat-hf

数据集描述

数据集概述

数据集是在模型 meta-llama/Llama-2-13b-chat-hf 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。

数据集从1次运行中创建。每次运行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_meta-llama__Llama-2-13b-chat-hf", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-14T19:39:26.636545 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" 拆分中找到每个任务的结果）：

python { "all": { "em": 0.1782718120805369, "em_stderr": 0.003919630092588375, "f1": 0.2387195889261742, "f1_stderr": 0.003944947017182046, "acc": 0.448727630233375, "acc_stderr": 0.011074189612085313 }, "harness|drop|3": { "em": 0.1782718120805369, "em_stderr": 0.003919630092588375, "f1": 0.2387195889261742, "f1_stderr": 0.003944947017182046 }, "harness|gsm8k|5": { "acc": 0.15238817285822592, "acc_stderr": 0.009899572254794204 }, "harness|winogrande|5": { "acc": 0.745067087608524, "acc_stderr": 0.012248806969376422 } }