open-llm-leaderboard-old/details_danielpark__gorani-100k-llama2-13b-instruct

该数据集是在评估模型danielpark/gorani-100k-llama2-13b-instruct时自动生成的，主要用于Open LLM Leaderboard的评估任务。数据集包含3个配置，每个配置对应一个评估任务，并且每个配置中有多个运行结果的分割。此外，还有一个名为results的配置，用于存储所有运行的聚合结果。README还提供了加载数据集的方法和最新的评估结果。

原始信息汇总

数据集卡片 for Evaluation run of danielpark/gorani-100k-llama2-13b-instruct

数据集描述

数据集摘要

该数据集是在模型 danielpark/gorani-100k-llama2-13b-instruct 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_danielpark__gorani-100k-llama2-13b-instruct_public", "harness_winogrande_5", split="train")

最新结果

以下是从2023-11-06T21:31:02.629994运行中获得的最新结果：

python { "all": { "em": 0.0, "em_stderr": 0.0, "f1": 8.284395973154363e-05, "f1_stderr": 6.061110851297716e-05, "acc": 0.24822415153906865, "acc_stderr": 0.0070260655734579345 }, "harness|drop|3": { "em": 0.0, "em_stderr": 0.0, "f1": 8.284395973154363e-05, "f1_stderr": 6.061110851297716e-05 }, "harness|gsm8k|5": { "acc": 0.0, "acc_stderr": 0.0 }, "harness|winogrande|5": { "acc": 0.4964483030781373, "acc_stderr": 0.014052131146915869 } }