open-llm-leaderboard-old/details_TheBloke__WizardLM-30B-Uncensored-GPTQ

该数据集是在评估模型TheBloke/WizardLM-30B-Uncensored-GPTQ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1次运行生成，每次运行的结果作为特定配置中的一个分割，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 TheBloke/WizardLM-30B-Uncensored-GPTQ

数据集描述

数据集概述

数据集是在模型 TheBloke/WizardLM-30B-Uncensored-GPTQ 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找到特定的拆分，拆分名称使用运行的时间戳。"train" 拆分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_TheBloke__WizardLM-30B-Uncensored-GPTQ_public", "harness_winogrande_5", split="train")

最新结果

以下是 2023-11-07T17:24:26.800307 运行的最新结果（注意，如果连续评估未涵盖相同的任务，则仓库中可能会有其他任务的结果。您可以在每个评估的 "results" 和 "latest" 拆分中找到每个任务的结果）：

python { "all": { "em": 0.11220637583892618, "em_stderr": 0.003232246172292982, "f1": 0.19735633389261756, "f1_stderr": 0.0034729011607307052, "acc": 0.47120764875928467, "acc_stderr": 0.01184381041429583 }, "harness|drop|3": { "em": 0.11220637583892618, "em_stderr": 0.003232246172292982, "f1": 0.19735633389261756, "f1_stderr": 0.0034729011607307052 }, "harness|gsm8k|5": { "acc": 0.21076573161485973, "acc_stderr": 0.011234280469030465 }, "harness|winogrande|5": { "acc": 0.7316495659037096, "acc_stderr": 0.012453340359561195 } }