open-llm-leaderboard/details_HuggingFaceH4__starchat-alpha

该数据集是在评估模型HuggingFaceH4/starchat-alpha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。此外，还有一个results配置存储所有运行的聚合结果，用于计算和显示在Open LLM Leaderboard上的聚合指标。

Dataset automatically created during the evaluation run of model HuggingFaceH4/starchat-alpha on the Open LLM Leaderboard. The dataset is composed of 3 configurations, each corresponding to one of the evaluated tasks. The dataset has been created from 1 run(s), with each run represented as a specific split named using the timestamp of the run. The train split always points to the latest results. An additional configuration results stores all the aggregated results of the run, which are used to compute and display the aggregated metrics on the Open LLM Leaderboard.

原始信息汇总

数据集卡片 for Evaluation run of HuggingFaceH4/starchat-alpha

数据集描述

数据集摘要

数据集是在模型 HuggingFaceH4/starchat-alpha 在 Open LLM Leaderboard 上的评估运行期间自动创建的。

该数据集由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一个特定的分割，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_HuggingFaceH4__starchat-alpha", "harness_winogrande_5", split="train")

最新结果

以下是从运行 2023-10-28T20:45:27.557635 获得的最新结果：

python { "all": { "em": 0.003460570469798658, "em_stderr": 0.0006013962884271187, "f1": 0.07069001677852364, "f1_stderr": 0.0015946422775582956, "acc": 0.28758422975957604, "acc_stderr": 0.009108733644571125 }, "harness|drop|3": { "em": 0.003460570469798658, "em_stderr": 0.0006013962884271187, "f1": 0.07069001677852364, "f1_stderr": 0.0015946422775582956 }, "harness|gsm8k|5": { "acc": 0.024260803639120546, "acc_stderr": 0.004238007900001399 }, "harness|winogrande|5": { "acc": 0.5509076558800315, "acc_stderr": 0.01397945938914085 } }