open-llm-leaderboard-old/details_chargoddard__Chronorctypus-Limarobormes-13b

该数据集是在评估模型chargoddard/Chronorctypus-Limarobormes-13b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分割，分割使用运行的时间戳命名。train分割始终指向最新的结果。此外，还有一个results配置存储了所有运行的聚合结果，并用于计算和显示在Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集卡片 for Evaluation run of chargoddard/Chronorctypus-Limarobormes-13b

数据集描述

数据集摘要

数据集是在模型 chargoddard/Chronorctypus-Limarobormes-13b 的评估运行期间自动创建的，用于 Open LLM Leaderboard。

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分割，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_chargoddard__Chronorctypus-Limarobormes-13b", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-17T10:27:33.460587 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": 0.05169882550335571, "em_stderr": 0.0022675304823078276, "f1": 0.17888317953020105, "f1_stderr": 0.0028882183973903902, "acc": 0.39147173871286817, "acc_stderr": 0.008785918503769254 }, "harness|drop|3": { "em": 0.05169882550335571, "em_stderr": 0.0022675304823078276, "f1": 0.17888317953020105, "f1_stderr": 0.0028882183973903902 }, "harness|gsm8k|5": { "acc": 0.03866565579984837, "acc_stderr": 0.005310583162098035 }, "harness|winogrande|5": { "acc": 0.744277821625888, "acc_stderr": 0.012261253845440473 } }