open-llm-leaderboard/details_jondurbin__airoboros-13b-gpt4-1.1

该数据集是在模型jondurbin/airoboros-13b-gpt4-1.1的评估运行过程中自动创建的，用于Open LLM Leaderboard的评估。数据集包含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，还有一个results配置存储了所有运行的聚合结果，用于计算和显示Open LLM Leaderboard上的聚合指标。

Dataset automatically created during the evaluation run of model jondurbin/airoboros-13b-gpt4-1.1 on the Open LLM Leaderboard. The dataset is composed of 3 configurations, each corresponding to one of the evaluated tasks. The dataset has been created from 1 run(s), with each run represented by a specific timestamped split. An additional results configuration stores all the aggregated results of the run, used for computing and displaying aggregated metrics on the leaderboard. The dataset provides detailed metrics such as exact match (em), F1 score, and accuracy (acc) for different tasks.

原始信息汇总

数据集卡片 for Evaluation run of jondurbin/airoboros-13b-gpt4-1.1

数据集描述

数据集概述

数据集是在模型 jondurbin/airoboros-13b-gpt4-1.1 的评估运行期间自动创建的，用于 Open LLM Leaderboard。

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 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 timestamp。"train" 分割始终指向最新结果。

一个额外的配置 "results" 存储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_jondurbin__airoboros-13b-gpt4-1.1", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-22T21:49:14.106154 运行的最新结果（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。您可以在每个评估的 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.037017617449664426, "em_stderr": 0.0019335395228219918, "f1": 0.09976300335570489, "f1_stderr": 0.0023092531505962102, "acc": 0.4197877778063671, "acc_stderr": 0.009797345526945866 }, "harness|drop|3": { "em": 0.037017617449664426, "em_stderr": 0.0019335395228219918, "f1": 0.09976300335570489, "f1_stderr": 0.0023092531505962102 }, "harness|gsm8k|5": { "acc": 0.08188021228203184, "acc_stderr": 0.007552338527716947 }, "harness|winogrande|5": { "acc": 0.7576953433307024, "acc_stderr": 0.012042352526174785 } }