open-llm-leaderboard/details_euclaise__falcon_1b_stage2

该数据集是在Open LLM Leaderboard上对模型euclaise/falcon_1b_stage2进行评估时自动创建的。数据集由64个配置组成，每个配置对应一个被评估的任务。数据集是从4次运行中生成的，每次运行在每个配置中表示为特定的分割。train分割始终指向最新的结果。一个名为results的额外配置存储了所有运行的聚合结果，这些结果用于计算和显示Open LLM Leaderboard上的聚合指标。README还提供了如何使用`datasets`库中的`load_dataset`函数加载数据集的示例。

原始信息汇总

数据集概述

数据集简介

该数据集是在评估模型 euclaise/falcon_1b_stage2 在 Open LLM Leaderboard 上的运行过程中自动创建的。

数据集组成

数据集包含 64 个配置，每个配置对应一个评估任务。

数据集创建

数据集从 4 次运行中创建，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。

额外配置

一个额外的配置 "results" 存储所有运行的聚合结果，用于计算和显示 Open LLM Leaderboard 上的聚合指标。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_euclaise__falcon_1b_stage2", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-28T17:03:53.294329 运行的最新结果： python { "all": { "em": 0.0008389261744966443, "em_stderr": 0.0002964962989801232, "f1": 0.047180159395973295, "f1_stderr": 0.0011805397389622562, "acc": 0.31176006314127863, "acc_stderr": 0.006808465980333592 }, "harness|drop|3": { "em": 0.0008389261744966443, "em_stderr": 0.0002964962989801232, "f1": 0.047180159395973295, "f1_stderr": 0.0011805397389622562 }, "harness|gsm8k|5": { "acc": 0.0, "acc_stderr": 0.0 }, "harness|winogrande|5": { "acc": 0.6235201262825573, "acc_stderr": 0.013616931960667183 } }