open-llm-leaderboard/details_KoboldAI__LLaMA2-13B-Holomax

该数据集是在评估模型KoboldAI/LLaMA2-13B-Holomax时自动创建的，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，每次运行的结果以时间戳命名的分割形式存储，train分割始终指向最新结果。此外，还有一个results配置存储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 KoboldAI/LLaMA2-13B-Holomax

数据集描述

数据集摘要

该数据集是在模型 KoboldAI/LLaMA2-13B-Holomax 的评估运行期间自动创建的，用于 Open LLM Leaderboard。

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。

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_KoboldAI__LLaMA2-13B-Holomax", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-19T03:44:46.836868 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 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.0019924496644295304, "em_stderr": 0.0004566676462666988, "f1": 0.06074769295302006, "f1_stderr": 0.0013672043421452582, "acc": 0.4305631433729482, "acc_stderr": 0.010496955983172063 }, "harness|drop|3": { "em": 0.0019924496644295304, "em_stderr": 0.0004566676462666988, "f1": 0.06074769295302006, "f1_stderr": 0.0013672043421452582 }, "harness|gsm8k|5": { "acc": 0.11448066717210008, "acc_stderr": 0.008770157532110506 }, "harness|winogrande|5": { "acc": 0.7466456195737964, "acc_stderr": 0.012223754434233623 } }