open-llm-leaderboard/details_CHIH-HUNG__llama-2-13b-FINETUNE2_3w-gate_up_down_proj

该数据集是在评估模型CHIH-HUNG/llama-2-13b-FINETUNE2_3w-gate_up_down_proj时自动创建的。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，分割使用运行的时间戳命名。train分割始终指向最新结果。额外的配置results存储了所有运行的聚合结果，并用于计算和显示在Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集卡片 for Evaluation run of CHIH-HUNG/llama-2-13b-FINETUNE2_3w-gate_up_down_proj

数据集描述

数据集摘要

该数据集是在模型 CHIH-HUNG/llama-2-13b-FINETUNE2_3w-gate_up_down_proj 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" 存储了所有运行结果的聚合（用于计算并在 Open LLM Leaderboard 上显示聚合指标）。

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_CHIH-HUNG__llama-2-13b-FINETUNE2_3w-gate_up_down_proj", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-23T05:41:52.177937 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": 0.08137583892617449, "em_stderr": 0.0027999889835206245, "f1": 0.13315016778523447, "f1_stderr": 0.0029419319985989354, "acc": 0.4454347335673805, "acc_stderr": 0.010395126943573653 }, "harness|drop|3": { "em": 0.08137583892617449, "em_stderr": 0.0027999889835206245, "f1": 0.13315016778523447, "f1_stderr": 0.0029419319985989354 }, "harness|gsm8k|5": { "acc": 0.12054586808188021, "acc_stderr": 0.008968608285309067 }, "harness|winogrande|5": { "acc": 0.7703235990528808, "acc_stderr": 0.011821645601838238 } }