open-llm-leaderboard-old/details_chargoddard__llama2-22b

该数据集是在模型chargoddard/llama2-22b在Open LLM Leaderboard上的评估运行过程中自动创建的。数据集由3个配置组成，每个配置对应一个评估任务。数据集由1次运行创建，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。此外，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 chargoddard/llama2-22b

数据集描述

数据集概述

数据集是在模型 chargoddard/llama2-22b 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。

一个额外的配置 "results" 存储了所有运行结果的聚合（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__llama2-22b", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-15T19:23:07.867810 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 "results" 和每个评估的 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.0020973154362416107, "em_stderr": 0.00046850650303682974, "f1": 0.06078334731543612, "f1_stderr": 0.0013790362682380892, "acc": 0.4312689350534026, "acc_stderr": 0.010092981888945675 }, "harness|drop|3": { "em": 0.0020973154362416107, "em_stderr": 0.00046850650303682974, "f1": 0.06078334731543612, "f1_stderr": 0.0013790362682380892 }, "harness|gsm8k|5": { "acc": 0.09931766489764973, "acc_stderr": 0.008238371412683961 }, "harness|winogrande|5": { "acc": 0.7632202052091555, "acc_stderr": 0.011947592365207389 } }