open-llm-leaderboard-old/details_TFLai__bloomz-1b7-4bit-alpaca

该数据集是在评估模型TFLai/bloomz-1b7-4bit-alpaca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，每次运行在配置中作为特定分割存在，分割名称使用运行的时间戳。train分割始终指向最新结果。此外，results配置存储了所有运行的聚合结果，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 TFLai/bloomz-1b7-4bit-alpaca

数据集描述

数据集摘要

数据集在评估模型 TFLai/bloomz-1b7-4bit-alpaca 在 Open LLM Leaderboard 上的运行期间自动创建。

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1次运行中创建。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戳。"train" 分割始终指向最新结果。

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_TFLai__bloomz-1b7-4bit-alpaca", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-22T07:20:32.245905 运行的最新结果（注意，如果连续评估未覆盖相同任务，则可能存在其他任务的结果。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": 0.15845218120805368, "em_stderr": 0.0037396259228482218, "f1": 0.19149119127516798, "f1_stderr": 0.0038329285857522646, "acc": 0.2691397000789266, "acc_stderr": 0.007005621297482063 }, "harness|drop|3": { "em": 0.15845218120805368, "em_stderr": 0.0037396259228482218, "f1": 0.19149119127516798, "f1_stderr": 0.0038329285857522646 }, "harness|gsm8k|5": { "acc": 0.0, "acc_stderr": 0.0 }, "harness|winogrande|5": { "acc": 0.5382794001578532, "acc_stderr": 0.014011242594964127 } }