open-llm-leaderboard-old/details_ai-business__Luban-13B

该数据集是在评估模型ai-business/Luban-13B时自动创建的，数据集由3个配置组成，每个配置对应一个评估任务。数据集由2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，并用于计算和显示在Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集卡片 for Evaluation run of ai-business/Luban-13B

数据集描述

数据集概述

该数据集是在模型 ai-business/Luban-13B 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。

一个额外的配置 "results" 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）。

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_ai-business__Luban-13B", "harness_winogrande_5", split="train")

最新结果

以下是来自运行 2023-09-17T11:15:33.793306 的最新结果：

python { "all": { "em": 0.007340604026845637, "em_stderr": 0.0008741896875346207, "f1": 0.10464869966443034, "f1_stderr": 0.0019947106278579182, "acc": 0.431315608856773, "acc_stderr": 0.010029949190396351 }, "harness|drop|3": { "em": 0.007340604026845637, "em_stderr": 0.0008741896875346207, "f1": 0.10464869966443034, "f1_stderr": 0.0019947106278579182 }, "harness|gsm8k|5": { "acc": 0.09704321455648218, "acc_stderr": 0.008153768274554716 }, "harness|winogrande|5": { "acc": 0.7655880031570639, "acc_stderr": 0.011906130106237985 } }