open-llm-leaderboard/details_TehVenom__Moderator-Chan_GPT-JT-6b

该数据集是在评估模型TehVenom/Moderator-Chan_GPT-JT-6b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2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 TehVenom/Moderator-Chan_GPT-JT-6b

数据集描述

数据集摘要

数据集是在模型 TehVenom/Moderator-Chan_GPT-JT-6b 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。

数据集从 2 次运行中创建。每次运行在每个配置中作为一个特定的分割存在，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_TehVenom__Moderator-Chan_GPT-JT-6b_public", "harness_winogrande_5", split="train")

最新结果

以下是 2023-11-06T16:05:16.771792 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": 0.0008389261744966443, "em_stderr": 0.0002964962989801249, "f1": 0.0455861996644295, "f1_stderr": 0.001167270115698605, "acc": 0.33438429175196105, "acc_stderr": 0.008229511585752802 }, "harness|drop|3": { "em": 0.0008389261744966443, "em_stderr": 0.0002964962989801249, "f1": 0.0455861996644295, "f1_stderr": 0.001167270115698605 }, "harness|gsm8k|5": { "acc": 0.01288855193328279, "acc_stderr": 0.0031069012664996704 }, "harness|winogrande|5": { "acc": 0.6558800315706393, "acc_stderr": 0.013352121905005935 } }