open-llm-leaderboard/details_upstage__Llama-2-70b-instruct-1024

该数据集是在Open LLM Leaderboard上对模型upstage/Llama-2-70b-instruct-1024进行评估时自动创建的。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1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 upstage/Llama-2-70b-instruct-1024

数据集描述

数据集概述

该数据集是在模型 upstage/Llama-2-70b-instruct-1024 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。

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_upstage__Llama-2-70b-instruct-1024", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-18T23:28:06.884616 运行的最新结果：

python { "all": { "em": 0.49989513422818793, "em_stderr": 0.005120467878578845, "f1": 0.5841736577181234, "f1_stderr": 0.004671177225967014, "acc": 0.5754715400500128, "acc_stderr": 0.011730426388075654 }, "harness|drop|3": { "em": 0.49989513422818793, "em_stderr": 0.005120467878578845, "f1": 0.5841736577181234, "f1_stderr": 0.004671177225967014 }, "harness|gsm8k|5": { "acc": 0.32221379833206976, "acc_stderr": 0.01287243548118878 }, "harness|winogrande|5": { "acc": 0.8287292817679558, "acc_stderr": 0.010588417294962526 } }