open-llm-leaderboard-old/details_OpenAssistant__pythia-12b-pre-v8-12.5k-steps

该数据集是在评估模型OpenAssistant/pythia-12b-pre-v8-12.5k-steps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：OpenAssistant/pythia-12b-pre-v8-12.5k-steps 评估运行

数据集描述

数据集概述

该数据集是在模型 OpenAssistant/pythia-12b-pre-v8-12.5k-steps 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_OpenAssistant__pythia-12b-pre-v8-12.5k-steps_public", "harness_winogrande_5", split="train")

最新结果

以下是 2023-11-06T18:06:29.606076 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。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": 0.0007340604026845638, "em_stderr": 0.00027736144573356703, "f1": 0.04888842281879203, "f1_stderr": 0.001200028057735833, "acc": 0.3646480645630345, "acc_stderr": 0.010352737065601407 }, "harness|drop|3": { "em": 0.0007340604026845638, "em_stderr": 0.00027736144573356703, "f1": 0.04888842281879203, "f1_stderr": 0.001200028057735833 }, "harness|gsm8k|5": { "acc": 0.07657316148597422, "acc_stderr": 0.007324564881451574 }, "harness|winogrande|5": { "acc": 0.6527229676400947, "acc_stderr": 0.013380909249751239 } }