open-llm-leaderboard-old/details_psmathur__orca_mini_v3_70b

该数据集是在评估模型psmathur/orca_mini_v3_70b时自动创建的，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，用于计算和显示在Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集卡片：psmathur/orca_mini_v3_70b 评估运行

数据集描述

数据集概述

数据集是在模型 psmathur/orca_mini_v3_70b 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。

数据集是从1次运行中创建的。每次运行可以在每个配置中找到特定的拆分，拆分名称使用运行的时间戳。"train" 拆分始终指向最新的结果。

一个额外的配置 "results" 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）。

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_psmathur__orca_mini_v3_70b_public", "harness_winogrande_5", split="train")

最新结果

以下是 2023-11-09T13:40:37.998536 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" 拆分中找到每个任务的结果）：

python { "all": { "em": 0.31061241610738255, "em_stderr": 0.004738935370907925, "f1": 0.4017103607382563, "f1_stderr": 0.004555690324539627, "acc": 0.6178968305495601, "acc_stderr": 0.012083802131657148 }, "harness|drop|3": { "em": 0.31061241610738255, "em_stderr": 0.004738935370907925, "f1": 0.4017103607382563, "f1_stderr": 0.004555690324539627 }, "harness|gsm8k|5": { "acc": 0.4086429112964367, "acc_stderr": 0.01354063973334243 }, "harness|winogrande|5": { "acc": 0.8271507498026835, "acc_stderr": 0.010626964529971864 } }