open-llm-leaderboard-old/details_YeungNLP__firefly-bloom-2b6-v2

该数据集是在评估模型YeungNLP/firefly-bloom-2b6-v2在Open LLM Leaderboard上的表现时自动生成的。数据集包含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，每次运行在每个配置中都有一个特定的分割，分割名称使用运行的时间戳。train分割始终指向最新的结果。此外，还有一个名为results的配置，用于存储所有运行的聚合结果，并在Open LLM Leaderboard上显示聚合指标。

原始信息汇总

数据集卡片 for Evaluation run of YeungNLP/firefly-bloom-2b6-v2

数据集描述

数据集摘要

数据集是在模型 YeungNLP/firefly-bloom-2b6-v2 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_YeungNLP__firefly-bloom-2b6-v2", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-13T11:51:41.999066 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。您可以在每个评估的 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.08630453020134228, "em_stderr": 0.002875790094905939, "f1": 0.1275723573825503, "f1_stderr": 0.00310355978869451, "acc": 0.2825940222825524, "acc_stderr": 0.008796871542302145 }, "harness|drop|3": { "em": 0.08630453020134228, "em_stderr": 0.002875790094905939, "f1": 0.1275723573825503, "f1_stderr": 0.00310355978869451 }, "harness|gsm8k|5": { "acc": 0.017437452615617893, "acc_stderr": 0.003605486867998265 }, "harness|winogrande|5": { "acc": 0.5477505919494869, "acc_stderr": 0.013988256216606024 } }