open-llm-leaderboard-old/details_jondurbin__airoboros-l2-70b-2.2.1

该数据集是在模型jondurbin/airoboros-l2-70b-2.2.1的评估运行过程中自动创建的，用于在Open LLM Leaderboard上进行评估。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，分割使用运行的时间戳命名。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 jondurbin/airoboros-l2-70b-2.2.1

数据集描述

数据集总结

数据集是在模型 jondurbin/airoboros-l2-70b-2.2.1 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。

数据集是从1次运行中创建的。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。

一个额外的配置 "results" 存储了所有运行结果的聚合（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_jondurbin__airoboros-l2-70b-2.2.1_public", "harness_winogrande_5", split="train")

最新结果

以下是 2023-11-07T10:15:07.182502 运行的最新结果（注意，如果连续的评估没有覆盖相同的任务，则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": 0.3427013422818792, "em_stderr": 0.004860477384674573, "f1": 0.40266673657718133, "f1_stderr": 0.004675119001945893, "acc": 0.639171707537161, "acc_stderr": 0.012134589282806987 }, "harness|drop|3": { "em": 0.3427013422818792, "em_stderr": 0.004860477384674573, "f1": 0.40266673657718133, "f1_stderr": 0.004675119001945893 }, "harness|gsm8k|5": { "acc": 0.4488248673237301, "acc_stderr": 0.013700157442788066 }, "harness|winogrande|5": { "acc": 0.829518547750592, "acc_stderr": 0.010569021122825907 } }