open-llm-leaderboard/details_jphme__Llama-2-13b-chat-german

该数据集是在Open LLM Leaderboard上对模型jphme/Llama-2-13b-chat-german进行评估时自动创建的。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，还有一个results配置存储了所有运行的聚合结果，并用于在Open LLM Leaderboard上计算和显示聚合指标。

原始信息汇总

数据集卡片 for Evaluation run of jphme/Llama-2-13b-chat-german

数据集描述

数据集摘要

数据集是在模型 jphme/Llama-2-13b-chat-german 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。每次运行都可以在每个配置中找到特定的拆分，拆分名称使用运行的时间戳。"train" 拆分始终指向最新的结果。

额外的配置 "results" 存储了所有运行的聚合结果（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_jphme__Llama-2-13b-chat-german", "harness_winogrande_5", split="train")

最新结果

以下是 2023-09-17T15:03:11.382260 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 "results" 和 "latest" 拆分中找到每个任务的结果）：

python { "all": { "em": 0.006606543624161074, "em_stderr": 0.000829635738992222, "f1": 0.06547399328859073, "f1_stderr": 0.0015176277275461638, "acc": 0.45063287882224046, "acc_stderr": 0.01068787508123321 }, "harness|drop|3": { "em": 0.006606543624161074, "em_stderr": 0.000829635738992222, "f1": 0.06547399328859073, "f1_stderr": 0.0015176277275461638 }, "harness|gsm8k|5": { "acc": 0.13646702047005307, "acc_stderr": 0.00945574199881554 }, "harness|winogrande|5": { "acc": 0.7647987371744278, "acc_stderr": 0.01192000816365088 } }