open-llm-leaderboard/details_zarakiquemparte__zarablend-l2-7b

该数据集是在评估模型zarakiquemparte/zarablend-l2-7b时自动创建的，主要用于在Open LLM Leaderboard上展示评估结果。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，存储了所有运行的聚合结果，并用于计算和展示在Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集卡片：zarakiquemparte/zarablend-l2-7b 评估运行

数据集描述

数据集概述

该数据集是在模型 zarakiquemparte/zarablend-l2-7b 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。

数据集从1次运行中创建。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 timestamp。"train" 分割始终指向最新的结果。

一个额外的配置 "results" 存储了所有运行结果的聚合（用于计算和显示 Open LLM Leaderboard 上的聚合指标）。

加载运行细节的示例如下： python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_zarakiquemparte__zarablend-l2-7b", "harness_winogrande_5", split="train")

最新结果

以下是 2023-09-22T13:26:53.178653 运行的最新结果（注意，如果连续评估未覆盖相同任务，则仓库中可能存在其他任务的结果。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": 0.2753775167785235, "em_stderr": 0.00457467023556627, "f1": 0.354505033557049, "f1_stderr": 0.004527443322138582, "acc": 0.3886004022324439, "acc_stderr": 0.009038856275635394 }, "harness|drop|3": { "em": 0.2753775167785235, "em_stderr": 0.00457467023556627, "f1": 0.354505033557049, "f1_stderr": 0.004527443322138582 }, "harness|gsm8k|5": { "acc": 0.04397270659590599, "acc_stderr": 0.005647666449126459 }, "harness|winogrande|5": { "acc": 0.7332280978689818, "acc_stderr": 0.01243004610214433 } }