open-llm-leaderboard-old/details_elyza__ELYZA-japanese-Llama-2-7b-instruct

该数据集是在模型 elyza/ELYZA-japanese-Llama-2-7b-instruct 在 Open LLM Leaderboard 上的评估运行期间自动创建的。数据集由 64 个配置组成，每个配置对应一个被评估的任务。数据集由 2 次运行生成，每次运行在每个配置中表示为特定的分割。train 分割始终指向最新的结果。一个名为 results 的额外配置存储了所有运行的聚合结果，这些结果用于计算和显示 Open LLM Leaderboard 上的指标。文件还提供了如何使用 Python 中的 datasets 库加载数据集的示例。

原始信息汇总

数据集概述

该数据集是在评估模型 elyza/ELYZA-japanese-Llama-2-7b-instruct 在 Open LLM Leaderboard 上的运行过程中自动创建的。

数据集组成

• 数据集包含 64 个配置，每个配置对应一个评估任务。
• 数据集从 2 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时间戳。
• "train" 分割始终指向最新的结果。
• 额外的配置 "results" 存储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。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_elyza__ELYZA-japanese-Llama-2-7b-instruct", "harness_winogrande_5", split="train")

最新结果

以下是 2023-09-22T19:09:05.444752 运行的最新结果：

python { "all": { "em": 0.0007340604026845638, "em_stderr": 0.0002773614457335574, "f1": 0.05706166107382565, "f1_stderr": 0.0014151120658963989, "acc": 0.40564322185674373, "acc_stderr": 0.00993255448838312 }, "harness|drop|3": { "em": 0.0007340604026845638, "em_stderr": 0.0002773614457335574, "f1": 0.05706166107382565, "f1_stderr": 0.0014151120658963989 }, "harness|gsm8k|5": { "acc": 0.07884761182714177, "acc_stderr": 0.007423390519873231 }, "harness|winogrande|5": { "acc": 0.7324388318863457, "acc_stderr": 0.012441718456893009 } }