open-llm-leaderboard-old/details_KoboldAI__OPT-350M-Nerys-v2

该数据集是在评估模型KoboldAI/OPT-350M-Nerys-v2在Open LLM Leaderboard上的表现时自动生成的。数据集包含3个配置，每个配置对应一个评估任务。数据集由一个运行生成，每个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。此外，还有一个results配置存储了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。

原始信息汇总

数据集卡片 for Evaluation run of KoboldAI/OPT-350M-Nerys-v2

数据集描述

数据集摘要

数据集是在模型 KoboldAI/OPT-350M-Nerys-v2 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 1 次运行中创建的。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。

一个额外的配置 "results" 存储了所有运行结果的聚合（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_KoboldAI__OPT-350M-Nerys-v2", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-21T16:22:23.406290 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": 0.0014681208053691276, "em_stderr": 0.0003921042190298392, "f1": 0.041601300335570565, "f1_stderr": 0.001164099674986064, "acc": 0.26150165183377183, "acc_stderr": 0.008156331616616547 }, "harness|drop|3": { "em": 0.0014681208053691276, "em_stderr": 0.0003921042190298392, "f1": 0.041601300335570565, "f1_stderr": 0.001164099674986064 }, "harness|gsm8k|5": { "acc": 0.006823351023502654, "acc_stderr": 0.0022675371022544935 }, "harness|winogrande|5": { "acc": 0.516179952644041, "acc_stderr": 0.0140451261309786 } }