open-llm-leaderboard-old/details_huggingtweets__gladosystem

数据集 Evaluation run of huggingtweets/gladosystem 是在模型 huggingtweets/gladosystem 在 Open LLM Leaderboard 上的评估运行过程中自动生成的。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1次运行生成，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 huggingtweets/gladosystem

数据集描述

数据集摘要

数据集是在模型 huggingtweets/gladosystem 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 timestamp。"train" 分割总是指向最新的结果。

一个额外的配置 "results" 存储了所有运行的聚合结果（用于在 Open LLM Leaderboard 上计算和显示聚合指标）。

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_huggingtweets__gladosystem", "harness_winogrande_5", split="train")

最新结果

这些是从运行 2023-10-13T03:18:40.922910 获得的最新结果：

python { "all": { "em": 0.010276845637583893, "em_stderr": 0.0010328242665282317, "f1": 0.014896182885906039, "f1_stderr": 0.0011273085873104653, "acc": 0.2533543804262036, "acc_stderr": 0.0070256103461651745 }, "harness|drop|3": { "em": 0.010276845637583893, "em_stderr": 0.0010328242665282317, "f1": 0.014896182885906039, "f1_stderr": 0.0011273085873104653 }, "harness|gsm8k|5": { "acc": 0.0, "acc_stderr": 0.0 }, "harness|winogrande|5": { "acc": 0.5067087608524072, "acc_stderr": 0.014051220692330349 } }