open-llm-leaderboard-old/details_v2ray__LLaMA-2-Jannie-70B-QLoRA

该数据集是在评估模型v2ray/LLaMA-2-Jannie-70B-QLoRA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1次运行生成，每次运行的结果以时间戳命名的分割形式存储，train分割始终指向最新结果。此外，results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 v2ray/LLaMA-2-Jannie-70B-QLoRA

数据集描述

数据集总结

数据集是在模型 v2ray/LLaMA-2-Jannie-70B-QLoRA 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。

数据集是从1次运行中创建的。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_v2ray__LLaMA-2-Jannie-70B-QLoRA", "harness_winogrande_5", split="train")

最新结果

这些是 2023-10-09T18:55:45.725131 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。你可以在 "results" 和每个评估的 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.5506501677852349, "em_stderr": 0.0050941277409732805, "f1": 0.5974674916107394, "f1_stderr": 0.004813528422862131, "acc": 0.5735917227001633, "acc_stderr": 0.011696543872157381 }, "harness|drop|3": { "em": 0.5506501677852349, "em_stderr": 0.0050941277409732805, "f1": 0.5974674916107394, "f1_stderr": 0.004813528422862131 }, "harness|gsm8k|5": { "acc": 0.31766489764973466, "acc_stderr": 0.012824066621488854 }, "harness|winogrande|5": { "acc": 0.829518547750592, "acc_stderr": 0.010569021122825909 } }