open-llm-leaderboard/details_TFLai__Nova-13B-50-step

该数据集是在模型TFLai/Nova-13B-50-step的评估运行期间自动创建的，用于在Open LLM Leaderboard上进行评估。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。此外，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 TFLai/Nova-13B-50-step

数据集描述

数据集概述

数据集是在模型 TFLai/Nova-13B-50-step 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。

数据集从2次运行中创建。每次运行在每个配置中可以作为一个特定的分割找到，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_TFLai__Nova-13B-50-step_public", "harness_winogrande_5", split="train")

最新结果

以下是来自运行 2023-11-07T00:47:35.220505 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。你可以在 "results" 和每个评估的 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.01143036912751678, "em_stderr": 0.0010886127371891202, "f1": 0.08822462248322198, "f1_stderr": 0.001908858914337863, "acc": 0.40478035487648495, "acc_stderr": 0.00877689827768222 }, "harness|drop|3": { "em": 0.01143036912751678, "em_stderr": 0.0010886127371891202, "f1": 0.08822462248322198, "f1_stderr": 0.001908858914337863 }, "harness|gsm8k|5": { "acc": 0.04397270659590599, "acc_stderr": 0.005647666449126457 }, "harness|winogrande|5": { "acc": 0.7655880031570639, "acc_stderr": 0.011906130106237983 } }