open-llm-leaderboard-old/details_lvkaokao__llama2-7b-hf-chat-lora-v2

该数据集是在评估模型lvkaokao/llama2-7b-hf-chat-lora-v2在Open LLM Leaderboard上的表现时自动创建的。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，分割名称使用运行的时间戳。train分割始终指向最新的结果。此外，一个名为results的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 lvkaokao/llama2-7b-hf-chat-lora-v2

数据集描述

数据集概述

该数据集是在模型 lvkaokao/llama2-7b-hf-chat-lora-v2 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。

数据集从1次运行中创建。每次运行可以在每个配置中作为一个特定的分割找到，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_lvkaokao__llama2-7b-hf-chat-lora-v2", "harness_winogrande_5", split="train")

最新结果

以下是 2023-09-17T19:43:28.899115 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": 0.25723573825503354, "em_stderr": 0.004476419757548592, "f1": 0.31864408557046997, "f1_stderr": 0.004427420085857621, "acc": 0.42871444189201235, "acc_stderr": 0.010374814363571815 }, "harness|drop|3": { "em": 0.25723573825503354, "em_stderr": 0.004476419757548592, "f1": 0.31864408557046997, "f1_stderr": 0.004427420085857621 }, "harness|gsm8k|5": { "acc": 0.10841546626231995, "acc_stderr": 0.008563852506627476 }, "harness|winogrande|5": { "acc": 0.7490134175217048, "acc_stderr": 0.012185776220516155 } }