open-llm-leaderboard-old/details_Panchovix__WizardLM-33B-V1.0-Uncensored-SuperHOT-8k

该数据集是在评估模型Panchovix/WizardLM-33B-V1.0-Uncensored-SuperHOT-8k时自动创建的，主要用于在Open LLM Leaderboard上展示评估结果。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2次运行的记录组成，每次运行的结果以时间戳命名的split形式存储，train split始终指向最新的结果。此外，还有一个results配置用于存储所有运行的聚合结果，并用于计算和展示在Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集卡片 for Evaluation run of Panchovix/WizardLM-33B-V1.0-Uncensored-SuperHOT-8k

数据集描述

数据集摘要

数据集是在模型 Panchovix/WizardLM-33B-V1.0-Uncensored-SuperHOT-8k 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timestamp。"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_Panchovix__WizardLM-33B-V1.0-Uncensored-SuperHOT-8k", "harness_winogrande_5", split="train")

最新结果

以下是 2023-09-17T17:53:55.496275 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" 分割中找到每个任务的结果）：

python { "all": { "em": 0.0005243288590604027, "em_stderr": 0.00023443780464835843, "f1": 0.0018907298657718122, "f1_stderr": 0.0003791471390866532, "acc": 0.255327545382794, "acc_stderr": 0.007024647268145198 }, "harness|drop|3": { "em": 0.0005243288590604027, "em_stderr": 0.00023443780464835843, "f1": 0.0018907298657718122, "f1_stderr": 0.0003791471390866532 }, "harness|gsm8k|5": { "acc": 0.0, "acc_stderr": 0.0 }, "harness|winogrande|5": { "acc": 0.510655090765588, "acc_stderr": 0.014049294536290396 } }