open-llm-leaderboard-old/details_porkorbeef__Llama-2-13b-12_153950

该数据集是在评估模型porkorbeef/Llama-2-13b-12_153950时自动生成的，主要用于Open LLM Leaderboard的评估任务。数据集包含3个配置，每个配置对应一个评估任务，并且数据集由2次运行生成，每次运行的结果以时间戳命名的split形式存储。此外，还有一个名为results的配置，用于存储所有运行的聚合结果。README还提供了如何加载数据集的示例代码，并展示了最新的评估结果。

原始信息汇总

数据集卡片 for Evaluation run of porkorbeef/Llama-2-13b-12_153950

数据集描述

数据集摘要

数据集是在模型 porkorbeef/Llama-2-13b-12_153950 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。每次运行在每个配置中作为一个特定的分割存在，分割名称使用运行的 timestamp。"train" 分割始终指向最新的结果。

额外的配置 "results" 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）。

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-12_153950", "harness_winogrande_5", split="train")

最新结果

以下是来自运行 2023-10-25T19:51:17.489031 的最新结果：

python { "all": { "em": 0.0, "em_stderr": 0.0, "f1": 5.76761744966443e-05, "f1_stderr": 1.4707528558078046e-05, "acc": 0.26558800315706393, "acc_stderr": 0.007012571320319756 }, "harness|drop|3": { "em": 0.0, "em_stderr": 0.0, "f1": 5.76761744966443e-05, "f1_stderr": 1.4707528558078046e-05 }, "harness|gsm8k|5": { "acc": 0.0, "acc_stderr": 0.0 }, "harness|winogrande|5": { "acc": 0.5311760063141279, "acc_stderr": 0.014025142640639513 } }