open-llm-leaderboard/details_CHIH-HUNG__llama-2-13b-dolphin_20w

该数据集是在评估模型CHIH-HUNG/llama-2-13b-dolphin_20w时自动创建的，用于Open LLM Leaderboard。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次运行生成，每次运行的结果作为特定分割存储在配置中，分割名称使用运行的时间戳。train分割始终指向最新结果。此外，还有一个results配置存储所有运行的聚合结果，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 CHIH-HUNG/llama-2-13b-dolphin_20w

数据集描述

数据集概述

数据集是在模型 CHIH-HUNG/llama-2-13b-dolphin_20w 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2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_CHIH-HUNG__llama-2-13b-dolphin_20w_public", "harness_winogrande_5", split="train")

最新结果

这些是从2023-11-06T16:26:34.385829运行中获得的最新结果（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 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.17397231543624161, "em_stderr": 0.0038821921282719, "f1": 0.2301184983221483, "f1_stderr": 0.0039007809992824896, "acc": 0.44851400782564105, "acc_stderr": 0.010433746564559766 }, "harness|drop|3": { "em": 0.17397231543624161, "em_stderr": 0.0038821921282719, "f1": 0.2301184983221483, "f1_stderr": 0.0039007809992824896 }, "harness|gsm8k|5": { "acc": 0.1243366186504928, "acc_stderr": 0.009088880962028447 }, "harness|winogrande|5": { "acc": 0.7726913970007893, "acc_stderr": 0.011778612167091085 } }