open-llm-leaderboard-old/details_Gryphe__MythoMax-L2-13b

该数据集是在评估模型Gryphe/MythoMax-L2-13b在Open LLM Leaderboard上的表现时自动生成的。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Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集卡片 for Evaluation run of Gryphe/MythoMax-L2-13b

数据集描述

数据集概述

数据集是在模型 Gryphe/MythoMax-L2-13b 在 Open LLM Leaderboard 上的评估运行期间自动创建的。

该数据集由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时间戳。"train" 分割始终指向最新的结果。

一个额外的配置 "results" 存储了运行的所有聚合结果（并用于计算和显示 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_Gryphe__MythoMax-L2-13b", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-16T23:19:17.622542 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": 0.13433305369127516, "em_stderr": 0.00349225954139751, "f1": 0.20734689597315364, "f1_stderr": 0.003631918882586114, "acc": 0.42119517249261446, "acc_stderr": 0.010012961564157645 }, "harness|drop|3": { "em": 0.13433305369127516, "em_stderr": 0.00349225954139751, "f1": 0.20734689597315364, "f1_stderr": 0.003631918882586114 }, "harness|gsm8k|5": { "acc": 0.09021986353297953, "acc_stderr": 0.00789153710844994 }, "harness|winogrande|5": { "acc": 0.7521704814522494, "acc_stderr": 0.01213438601986535 } }