open-llm-leaderboard-old/details_01-ai__Yi-34B

该数据集是在评估模型01-ai/Yi-34B在Open LLM Leaderboard上的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1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 01-ai/Yi-34B

数据集描述

数据集概述

数据集是在模型 01-ai/Yi-34B 在 Open LLM Leaderboard 上的评估运行期间自动创建的。

该数据集由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找到一个特定的分割，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" 存储了运行的所有聚合结果（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_01-ai__Yi-34B_public", "harness_winogrande_5", split="train")

最新结果

这些是从运行 2023-11-08T19:46:38.378007 获得的最新结果（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": 0.6081166107382551, "em_stderr": 0.004999326629880105, "f1": 0.6419882550335565, "f1_stderr": 0.004748239351156368, "acc": 0.6683760448499347, "acc_stderr": 0.012160441706531726 }, "harness|drop|3": { "em": 0.6081166107382551, "em_stderr": 0.004999326629880105, "f1": 0.6419882550335565, "f1_stderr": 0.004748239351156368 }, "harness|gsm8k|5": { "acc": 0.5064442759666414, "acc_stderr": 0.013771340765699767 }, "harness|winogrande|5": { "acc": 0.8303078137332282, "acc_stderr": 0.010549542647363686 } }