open-llm-leaderboard/details_openaccess-ai-collective__wizard-mega-13b

该数据集是在评估模型openaccess-ai-collective/wizard-mega-13b时自动生成的，包含3个配置，每个配置对应一个评估任务。数据集由2次运行的记录组成，每次运行的记录都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，并用于在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 openaccess-ai-collective/wizard-mega-13b

数据集描述

数据集概述

该数据集是在模型 openaccess-ai-collective/wizard-mega-13b 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（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_openaccess-ai-collective__wizard-mega-13b_public", "harness_winogrande_5", split="train")

最新结果

以下是 2023-11-06T19:41:58.229759 运行的最新结果（注意，如果连续的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" 分割中找到每个任务的结果）：

python { "all": { "em": 0.0028313758389261743, "em_stderr": 0.0005441551135493785, "f1": 0.06436975671140957, "f1_stderr": 0.0014308039558345285, "acc": 0.4320270851671251, "acc_stderr": 0.010120811778666996 }, "harness|drop|3": { "em": 0.0028313758389261743, "em_stderr": 0.0005441551135493785, "f1": 0.06436975671140957, "f1_stderr": 0.0014308039558345285 }, "harness|gsm8k|5": { "acc": 0.10083396512509477, "acc_stderr": 0.008294031192126593 }, "harness|winogrande|5": { "acc": 0.7632202052091555, "acc_stderr": 0.011947592365207399 } }