open-llm-leaderboard/details_psmathur__model_101

该数据集是在评估模型psmathur/model_101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，每次运行在配置中作为一个特定的分割，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，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_101

数据集描述

数据集概述

该数据集是在模型 psmathur/model_101 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一个特定的分割，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_101_public", "harness_winogrande_5", split="train")

最新结果

以下是 2023-11-08T17:02:48.057771 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。你可以在每个评估的 "results" 和 "latest" 分割中找到它们）：

python { "all": { "em": 0.42701342281879195, "em_stderr": 0.0050656203622111255, "f1": 0.5510203439597356, "f1_stderr": 0.004541060645215944, "acc": 0.6344516695758009, "acc_stderr": 0.012237970912161255 }, "harness|drop|3": { "em": 0.42701342281879195, "em_stderr": 0.0050656203622111255, "f1": 0.5510203439597356, "f1_stderr": 0.004541060645215944 }, "harness|gsm8k|5": { "acc": 0.44806671721000757, "acc_stderr": 0.013697992668274525 }, "harness|winogrande|5": { "acc": 0.8208366219415943, "acc_stderr": 0.010777949156047986 } }