open-llm-leaderboard-old/details_conceptofmind__LLongMA-2-13b-16k

该数据集是在评估模型conceptofmind/LLongMA-2-13b-16k在Open LLM Leaderboard上的表现时自动创建的。数据集由3个配置组成，每个配置对应一个评估任务。数据集由2次运行创建，每次运行在每个配置中作为一个特定的分割，分割名称使用运行的时间戳。train分割始终指向最新的结果。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

数据集卡片 for Evaluation run of conceptofmind/LLongMA-2-13b-16k

数据集描述

数据集概述

该数据集是在模型 conceptofmind/LLongMA-2-13b-16k 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拆分存在，拆分名称使用运行的时间戳。"train" 拆分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_conceptofmind__LLongMA-2-13b-16k", "harness_winogrande_5", split="train")

最新结果

以下是 2023-09-23T08:30:56.994435 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 "results" 和每个评估的 "latest" 拆分中找到每个任务的结果）：

python { "all": { "em": 0.002202181208053691, "em_stderr": 0.0004800510816619487, "f1": 0.05451552013422845, "f1_stderr": 0.001321043219231616, "acc": 0.39035575610663886, "acc_stderr": 0.009395368385266412 }, "harness|drop|3": { "em": 0.002202181208053691, "em_stderr": 0.0004800510816619487, "f1": 0.05451552013422845, "f1_stderr": 0.001321043219231616 }, "harness|gsm8k|5": { "acc": 0.05458680818802123, "acc_stderr": 0.006257444037912527 }, "harness|winogrande|5": { "acc": 0.7261247040252565, "acc_stderr": 0.012533292732620296 } }