open-llm-leaderboard/details_v2ray__LLaMA-2-Jannie-70B-QLoRA

该数据集是在模型v2ray/LLaMA-2-Jannie-70B-QLoRA在Open LLM Leaderboard上的评估运行过程中自动生成的。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1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 v2ray/LLaMA-2-Jannie-70B-QLoRA

数据集描述

数据集概述

该数据集是在模型 v2ray/LLaMA-2-Jannie-70B-QLoRA 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1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戳。"train" 分割始终指向最新的结果。

一个额外的配置 "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_v2ray__LLaMA-2-Jannie-70B-QLoRA", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-09T18:55:45.725131 运行的最新结果（注意，如果连续评估未涵盖相同任务，则仓库中可能存在其他任务的结果。您可以在每个评估的 "results" 和 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.5506501677852349, "em_stderr": 0.0050941277409732805, "f1": 0.5974674916107394, "f1_stderr": 0.004813528422862131, "acc": 0.5735917227001633, "acc_stderr": 0.011696543872157381 }, "harness|drop|3": { "em": 0.5506501677852349, "em_stderr": 0.0050941277409732805, "f1": 0.5974674916107394, "f1_stderr": 0.004813528422862131 }, "harness|gsm8k|5": { "acc": 0.31766489764973466, "acc_stderr": 0.012824066621488854 }, "harness|winogrande|5": { "acc": 0.829518547750592, "acc_stderr": 0.010569021122825909 } }