open-llm-leaderboard/details_speechlessai__speechless-llama2-dolphin-orca-platypus-13b

该数据集是在模型[speechlessai/speechless-llama2-dolphin-orca-platypus-13b](https://huggingface.co/speechlessai/speechless-llama2-dolphin-orca-platypus-13b)在[Open LLM Leaderboard](https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard)上评估运行时自动创建的。数据集由3个配置组成，每个配置对应一个评估任务。数据集由2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。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](https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard)上的聚合指标。

原始信息汇总

数据集卡片 for Evaluation run of speechlessai/speechless-llama2-dolphin-orca-platypus-13b

数据集描述

数据集摘要

数据集是在模型 speechlessai/speechless-llama2-dolphin-orca-platypus-13b 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。

数据集从2次运行中创建。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_speechlessai__speechless-llama2-dolphin-orca-platypus-13b_public", "harness_winogrande_5", split="train")

最新结果

以下是来自运行 2023-11-07T04:32:16.848860 的最新结果：

python { "all": { "em": 0.3225671140939597, "em_stderr": 0.004787213906850376, "f1": 0.3723804530201348, "f1_stderr": 0.004674058489948766, "acc": 0.4344726727873176, "acc_stderr": 0.00997339204610916 }, "harness|drop|3": { "em": 0.3225671140939597, "em_stderr": 0.004787213906850376, "f1": 0.3723804530201348, "f1_stderr": 0.004674058489948766 }, "harness|gsm8k|5": { "acc": 0.09704321455648218, "acc_stderr": 0.008153768274554725 }, "harness|winogrande|5": { "acc": 0.7719021310181531, "acc_stderr": 0.011793015817663595 } }