open-llm-leaderboard-old/details_Corianas__256_5epoch

数据集 Evaluation run of Corianas/256_5epoch 是在模型 Corianas/256_5epoch 在 Open LLM Leaderboard 上的评估运行过程中自动生成的。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，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 Corianas/256_5epoch

数据集描述

数据集概述

该数据集是在模型 Corianas/256_5epoch 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作为一个特定的分割找到，分割名称使用运行的timestamp。"train" 分割总是指向最新的结果。

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_Corianas__256_5epoch", "harness_winogrande_5", split="train")

最新结果

以下是 2023-09-17T17:10:44.545164 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 "results" 和每个评估的 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.006082214765100671, "em_stderr": 0.0007962432393028846, "f1": 0.04929320469798652, "f1_stderr": 0.0015028533751229739, "acc": 0.26475206337105733, "acc_stderr": 0.0076718947223475545 }, "harness|drop|3": { "em": 0.006082214765100671, "em_stderr": 0.0007962432393028846, "f1": 0.04929320469798652, "f1_stderr": 0.0015028533751229739 }, "harness|gsm8k|5": { "acc": 0.002274450341167551, "acc_stderr": 0.0013121578148674133 }, "harness|winogrande|5": { "acc": 0.5272296764009471, "acc_stderr": 0.014031631629827696 } }