open-llm-leaderboard-old/details_Undi95__U-Amethyst-20B

该数据集是在评估模型 Undi95/U-Amethyst-20B 时自动生成的，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，每次运行的结果作为特定配置中的一个分割，分割名称使用运行的时间戳。train 分割始终指向最新结果。此外，还有一个 results 配置存储了所有运行的聚合结果，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 Undi95/U-Amethyst-20B

数据集描述

数据集摘要

数据集是在模型 Undi95/U-Amethyst-20B 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 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_Undi95__U-Amethyst-20B_public", "harness_winogrande_5", split="train")

最新结果

以下是 2023-11-07T19:04:15.043213 运行的最新结果（注意，如果连续评估未涵盖相同任务，则仓库中可能存在其他任务的结果。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": 0.10622902684563758, "em_stderr": 0.003155544985138621, "f1": 0.18749056208053588, "f1_stderr": 0.003364638518499387, "acc": 0.3974902658192778, "acc_stderr": 0.009236573846305381 }, "harness|drop|3": { "em": 0.10622902684563758, "em_stderr": 0.003155544985138621, "f1": 0.18749056208053588, "f1_stderr": 0.003364638518499387 }, "harness|gsm8k|5": { "acc": 0.05307050796057619, "acc_stderr": 0.0061748688586383774 }, "harness|winogrande|5": { "acc": 0.7419100236779794, "acc_stderr": 0.012298278833972387 } }