open-llm-leaderboard-old/details_Corianas__Quokka_256m

该数据集是在评估模型Corianas/Quokka_256m时自动创建的，包含3个配置，每个配置对应一个评估任务。数据集还包含一个额外的配置results，用于存储所有运行的聚合结果。每个运行都可以在每个配置中找到，分割名称使用运行的时间戳。train分割始终指向最新结果。可以通过提供的Python代码加载运行中的详细信息。

原始信息汇总

数据集卡片：Corianas/Quokka_256m 评估运行

数据集描述

数据集摘要

该数据集是在模型 Corianas/Quokka_256m 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特定的拆分，拆分名称使用运行的时间戳。"train" 拆分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_Corianas__Quokka_256m", "harness_winogrande_5", split="train")

最新结果

以下是来自运行 2023-09-23T10:43:58.208940 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。您可以在每个评估的 "latest" 拆分中找到每个任务的结果）：

python { "all": { "em": 0.003984899328859061, "em_stderr": 0.0006451805848102272, "f1": 0.04266883389261752, "f1_stderr": 0.0013952300953918367, "acc": 0.2612470402525651, "acc_stderr": 0.007019128912029941 }, "harness|drop|3": { "em": 0.003984899328859061, "em_stderr": 0.0006451805848102272, "f1": 0.04266883389261752, "f1_stderr": 0.0013952300953918367 }, "harness|gsm8k|5": { "acc": 0.0, "acc_stderr": 0.0 }, "harness|winogrande|5": { "acc": 0.5224940805051302, "acc_stderr": 0.014038257824059881 } }