open-llm-leaderboard/details_Undi95__MLewd-L2-Chat-13B

该数据集是在评估模型Undi95/MLewd-L2-Chat-13B在Open LLM Leaderboard上的表现时自动生成的。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2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。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，用于在Open LLM Leaderboard上计算和显示聚合指标。

原始信息汇总

数据集卡片 for Evaluation run of Undi95/MLewd-L2-Chat-13B

数据集描述

数据集概述

数据集是在模型 Undi95/MLewd-L2-Chat-13B 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2次运行中创建。每次运行在每个配置中作为一个特定的分割存在，分割名称使用运行的时间戳。"train" 分割始终指向最新的结果。

额外的配置 "results" 存储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）。

加载运行细节的示例： python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_Undi95__MLewd-L2-Chat-13B_public", "harness_winogrande_5", split="train")

最新结果

以下是 2023-11-07T04:02:20.497765 运行的最新结果：

python { "all": { "em": 0.039953859060402684, "em_stderr": 0.0020056958276819816, "f1": 0.12528313758389248, "f1_stderr": 0.0025138994037981494, "acc": 0.44361714795535834, "acc_stderr": 0.010234482644867801 }, "harness|drop|3": { "em": 0.039953859060402684, "em_stderr": 0.0020056958276819816, "f1": 0.12528313758389248, "f1_stderr": 0.0025138994037981494 }, "harness|gsm8k|5": { "acc": 0.11296436694465505, "acc_stderr": 0.008719339028833055 }, "harness|winogrande|5": { "acc": 0.7742699289660616, "acc_stderr": 0.011749626260902545 } }