open-llm-leaderboard-old/details_psmathur__model_007

该数据集是在评估模型psmathur/model_007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，每次运行的结果以时间戳命名的分割形式存储，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 for Evaluation run of psmathur/model_007

数据集描述

数据集摘要

数据集是在模型 psmathur/model_007 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timestamp。"train" 分割始终指向最新的结果。

一个额外的配置 "results" 存储了运行中的所有聚合结果（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_psmathur__model_007_public", "harness_winogrande_5", split="train")

最新结果

以下是来自运行 2023-11-09T13:26:16.051201 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": 0.13276006711409397, "em_stderr": 0.0034749056446198375, "f1": 0.31045721476510313, "f1_stderr": 0.003655086215890851, "acc": 0.602479216693903, "acc_stderr": 0.011890317786243781 }, "harness|drop|3": { "em": 0.13276006711409397, "em_stderr": 0.0034749056446198375, "f1": 0.31045721476510313, "f1_stderr": 0.003655086215890851 }, "harness|gsm8k|5": { "acc": 0.37149355572403336, "acc_stderr": 0.01330983907570648 }, "harness|winogrande|5": { "acc": 0.8334648776637726, "acc_stderr": 0.010470796496781083 } }