open-llm-leaderboard/details_TehVenom__DiffMerge_Pygmalion_Main-onto-V8P4

该数据集是在模型TehVenom/DiffMerge_Pygmalion_Main-onto-V8P4在Open LLM Leaderboard上的评估运行过程中自动创建的。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，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。

原始信息汇总

数据集卡片 for Evaluation run of TehVenom/DiffMerge_Pygmalion_Main-onto-V8P4

数据集描述

数据集概述

该数据集是在模型 TehVenom/DiffMerge_Pygmalion_Main-onto-V8P4 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作为一个特定的分割找到，分割名称使用运行的 timestamp。"train" 分割始终指向最新的结果。

一个额外的配置 "results" 存储了运行的所有聚合结果（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_TehVenom__DiffMerge_Pygmalion_Main-onto-V8P4", "harness_winogrande_5", split="train")

最新结果

以下是来自运行 2023-10-15T10:35:56.777835 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。你可以在每个评估的 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.002726510067114094, "em_stderr": 0.0005340111700415918, "f1": 0.05529781879194656, "f1_stderr": 0.0013448797167935412, "acc": 0.31823545497683364, "acc_stderr": 0.008263105361288367 }, "harness|drop|3": { "em": 0.002726510067114094, "em_stderr": 0.0005340111700415918, "f1": 0.05529781879194656, "f1_stderr": 0.0013448797167935412 }, "harness|gsm8k|5": { "acc": 0.011372251705837756, "acc_stderr": 0.002920666198788727 }, "harness|winogrande|5": { "acc": 0.6250986582478295, "acc_stderr": 0.013605544523788008 } }