open-llm-leaderboard-old/details_PocketDoc__Dans-CreepingSenseOfDoom

该数据集是在评估模型PocketDoc/Dans-CreepingSenseOfDoom在Open LLM Leaderboard上的表现时自动创建的。数据集由64个配置组成，每个配置对应一个评估任务。数据集由2次运行创建，每次运行都可以在每个配置的特定分割中找到，分割以运行的时间戳命名。"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，并用于计算和显示Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集概述

该数据集是在模型 PocketDoc/Dans-CreepingSenseOfDoom 的评估运行期间自动创建的，用于 Open LLM Leaderboard。

数据集组成

• 数据集包含 64 个配置，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，用于计算和显示聚合指标在 Open LLM Leaderboard 上。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_PocketDoc__Dans-CreepingSenseOfDoom", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-28T12:55:54.319994 运行的最新结果：

python { "all": { "em": 0.0025167785234899327, "em_stderr": 0.0005131152834514904, "f1": 0.0589702181208054, "f1_stderr": 0.0013777997259364727, "acc": 0.3666140489344909, "acc_stderr": 0.00621502305107217 }, "harness|drop|3": { "em": 0.0025167785234899327, "em_stderr": 0.0005131152834514904, "f1": 0.0589702181208054, "f1_stderr": 0.0013777997259364727 }, "harness|gsm8k|5": { "acc": 0.0, "acc_stderr": 0.0 }, "harness|winogrande|5": { "acc": 0.7332280978689818, "acc_stderr": 0.01243004610214434 } }