open-llm-leaderboard-old/details_TheBloke__WizardLM-Uncensored-SuperCOT-StoryTelling-30B-GPTQ

该数据集是在评估模型TheBloke/WizardLM-Uncensored-SuperCOT-StoryTelling-30B-GPTQ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2次运行生成，每次运行的结果以时间戳命名的分割形式存储，并且train分割始终指向最新结果。此外，还有一个results配置用于存储所有运行的聚合结果，并在Open LLM Leaderboard上显示。

原始信息汇总

数据集卡片：TheBloke/WizardLM-Uncensored-SuperCOT-StoryTelling-30B-GPTQ 评估运行

数据集描述

数据集概述

数据集是在模型 TheBloke/WizardLM-Uncensored-SuperCOT-StoryTelling-30B-GPTQ 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 "results" 配置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_TheBloke__WizardLM-Uncensored-SuperCOT-StoryTelling-30B-GPTQ_public", "harness_winogrande_5", split="train")

最新结果

以下是 2023-11-08T02:57:56.626250 运行的最新结果（注意，如果连续评估未涵盖相同任务，则仓库中可能存在其他任务的结果。您可以在 "results" 和每个评估的 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.15992030201342283, "em_stderr": 0.0037536320326496562, "f1": 0.2571140939597322, "f1_stderr": 0.0038666311684885475, "acc": 0.36986595642701264, "acc_stderr": 0.009605690477693173 }, "harness|drop|3": { "em": 0.15992030201342283, "em_stderr": 0.0037536320326496562, "f1": 0.2571140939597322, "f1_stderr": 0.0038666311684885475 }, "harness|gsm8k|5": { "acc": 0.05307050796057619, "acc_stderr": 0.006174868858638364 }, "harness|winogrande|5": { "acc": 0.6866614048934491, "acc_stderr": 0.013036512096747983 } }