open-llm-leaderboard-old/details_TheBloke__gpt4-alpaca-lora-30b-HF

该数据集是在评估模型TheBloke/gpt4-alpaca-lora-30b-HF在Open LLM Leaderboard上的表现时自动生成的。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次运行生成，每次运行的结果作为特定配置中的一个分割，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，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 TheBloke/gpt4-alpaca-lora-30b-HF

数据集描述

数据集概述

该数据集是在模型 TheBloke/gpt4-alpaca-lora-30b-HF 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）。

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_TheBloke__gpt4-alpaca-lora-30b-HF", "harness_winogrande_5", split="train")

最新结果

以下是 2023-09-18T00:20:21.073173 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 "results" 和 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.0016778523489932886, "em_stderr": 0.00041913301788269584, "f1": 0.06442533557047006, "f1_stderr": 0.0013970563636897643, "acc": 0.47865750583572136, "acc_stderr": 0.0105907760769931 }, "harness|drop|3": { "em": 0.0016778523489932886, "em_stderr": 0.00041913301788269584, "f1": 0.06442533557047006, "f1_stderr": 0.0013970563636897643 }, "harness|gsm8k|5": { "acc": 0.155420773313116, "acc_stderr": 0.009979689409499152 }, "harness|winogrande|5": { "acc": 0.8018942383583267, "acc_stderr": 0.01120186274448705 } }