open-llm-leaderboard-old/details_OpenBuddy__openbuddy-falcon-180b-v12-preview0

该数据集是在评估模型OpenBuddy/openbuddy-falcon-180b-v12-preview0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2次运行生成，每次运行的结果存储在特定的分割中，分割名称使用运行的时间戳。train分割始终指向最新结果。此外，还有一个results配置存储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 OpenBuddy/openbuddy-falcon-180b-v12-preview0

数据集描述

数据集概述

该数据集是在模型 OpenBuddy/openbuddy-falcon-180b-v12-preview0 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时间戳。"train" 分割始终指向最新的结果。

额外的配置 "results" 存储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_OpenBuddy__openbuddy-falcon-180b-v12-preview0_public", "harness_winogrande_5", split="train")

最新结果

以下是 2023-11-07T07:56:48.632483 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": 0.3951342281879195, "em_stderr": 0.005006583708501088, "f1": 0.45411703020134364, "f1_stderr": 0.004838306698244881, "acc": 0.6166351419033218, "acc_stderr": 0.012168788973494722 }, "harness|drop|3": { "em": 0.3951342281879195, "em_stderr": 0.005006583708501088, "f1": 0.45411703020134364, "f1_stderr": 0.004838306698244881 }, "harness|gsm8k|5": { "acc": 0.41243366186504926, "acc_stderr": 0.013559628790941459 }, "harness|winogrande|5": { "acc": 0.8208366219415943, "acc_stderr": 0.010777949156047986 } }