open-llm-leaderboard/details_totally-not-an-llm__PuddleJumper-13b-V2

该数据集是在模型totally-not-an-llm/PuddleJumper-13b-V2在Open LLM Leaderboard上的评估运行过程中自动创建的。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，还有一个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 totally-not-an-llm/PuddleJumper-13b-V2

数据集描述

数据集概述

该数据集是在模型 totally-not-an-llm/PuddleJumper-13b-V2 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分割存在，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_totally-not-an-llm__PuddleJumper-13b-V2_public", "harness_winogrande_5", split="train")

最新结果

以下是 2023-11-07T07:05:59.074810 运行的最新结果：

python { "all": { "em": 0.1109479865771812, "em_stderr": 0.0032163473837718386, "f1": 0.2274360318791941, "f1_stderr": 0.003502116708950895, "acc": 0.3804686887593325, "acc_stderr": 0.008856901772470359 }, "harness|drop|3": { "em": 0.1109479865771812, "em_stderr": 0.0032163473837718386, "f1": 0.2274360318791941, "f1_stderr": 0.003502116708950895 }, "harness|gsm8k|5": { "acc": 0.03639120545868082, "acc_stderr": 0.005158113489231192 }, "harness|winogrande|5": { "acc": 0.7245461720599842, "acc_stderr": 0.012555690055709525 } }