open-llm-leaderboard-old/details_TFLai__bloom-560m-4bit-alpaca

该数据集是在评估模型TFLai/bloom-560m-4bit-alpaca在Open LLM Leaderboard上的表现时自动创建的。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1次运行创建，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。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 TFLai/bloom-560m-4bit-alpaca

数据集描述

数据集摘要

数据集是在模型 TFLai/bloom-560m-4bit-alpaca 的评估运行期间自动创建的，用于 Open LLM Leaderboard。

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）。

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_TFLai__bloom-560m-4bit-alpaca", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-13T02:31:40.775341 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 "results" 和每个评估的 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.001153523489932886, "em_stderr": 0.00034761798968570957, "f1": 0.028393456375839028, "f1_stderr": 0.0009648156202587861, "acc": 0.25213936558333583, "acc_stderr": 0.007562025280082852 }, "harness|drop|3": { "em": 0.001153523489932886, "em_stderr": 0.00034761798968570957, "f1": 0.028393456375839028, "f1_stderr": 0.0009648156202587861 }, "harness|gsm8k|5": { "acc": 0.001516300227445034, "acc_stderr": 0.001071779348549266 }, "harness|winogrande|5": { "acc": 0.5027624309392266, "acc_stderr": 0.014052271211616438 } }