open-llm-leaderboard/details_porkorbeef__Llama-2-13b-sf

该数据集是在评估模型porkorbeef/Llama-2-13b-sf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1次运行生成，每次运行在配置中作为一个特定的分割，分割名称使用运行的时间戳。train分割始终指向最新的结果。此外，还有一个results配置，存储了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 porkorbeef/Llama-2-13b-sf

数据集描述

数据集摘要

数据集是在评估模型 porkorbeef/Llama-2-13b-sf 在 Open LLM Leaderboard 上的运行过程中自动创建的。

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1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。

额外的配置 "results" 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）。

加载运行细节的示例如下： python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_porkorbeef__Llama-2-13b-sf", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-19T10:54:43.878914 运行的最新结果：

python { "all": { "em": 0.0, "em_stderr": 0.0, "f1": 2.3070469798657717e-05, "f1_stderr": 1.0056123859027576e-05, "acc": 0.2517758484609313, "acc_stderr": 0.0070260655734579345 }, "harness|drop|3": { "em": 0.0, "em_stderr": 0.0, "f1": 2.3070469798657717e-05, "f1_stderr": 1.0056123859027576e-05 }, "harness|gsm8k|5": { "acc": 0.0, "acc_stderr": 0.0 }, "harness|winogrande|5": { "acc": 0.5035516969218626, "acc_stderr": 0.014052131146915869 } }