open-llm-leaderboard/details_wenge-research__yayi-13b-llama2

该数据集是在模型 wenge-research/yayi-13b-llama2 在 Open LLM Leaderboard 上评估期间自动生成的。数据集由 64 个配置组成，每个配置对应一个被评估的任务。它由 3 次运行生成，每次运行在每个配置中表示为特定的分割，分割名称由运行的时间戳命名。train 分割始终指向最新的结果。一个名为 results 的额外配置存储了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。README 还提供了如何使用 Python 代码加载数据集详细信息的示例，并包含了特定运行的最新结果。

原始信息汇总

数据集概述

数据集简介

该数据集是在对模型 wenge-research/yayi-13b-llama2 进行评估运行期间自动创建的。数据集包含64个配置，每个配置对应一个评估任务。数据集从3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间戳。"train" 分割始终指向最新的结果。

数据集结构

• 配置数量: 64个配置
• 分割方式: 每个配置包含多个分割，包括特定时间戳的分割和最新的分割。
• 额外配置: 一个名为 "results" 的配置存储所有运行的聚合结果，用于计算和显示在 Open LLM Leaderboard 上的聚合指标。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_wenge-research__yayi-13b-llama2", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-15T08:54:37.748891 运行的最新结果： python { "all": { "em": 0.0026216442953020135, "em_stderr": 0.0005236685642966022, "f1": 0.05916107382550354, "f1_stderr": 0.0014083828571043837, "acc": 0.3685519093475062, "acc_stderr": 0.009163083599802495 }, "harness|drop|3": { "em": 0.0026216442953020135, "em_stderr": 0.0005236685642966022, "f1": 0.05916107382550354, "f1_stderr": 0.0014083828571043837 }, "harness|gsm8k|5": { "acc": 0.0401819560272934, "acc_stderr": 0.00540943973697052 }, "harness|winogrande|5": { "acc": 0.696921862667719, "acc_stderr": 0.012916727462634468 } }