open-llm-leaderboard-old/details_yeontaek__Platypus2xOpenOrca-13B-IA3-v3

该数据集是在评估模型yeontaek/Platypus2xOpenOrca-13B-IA3-v3在Open LLM Leaderboard上的运行过程中自动创建的。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，并用于计算和显示在Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集卡片 for Evaluation run of yeontaek/Platypus2xOpenOrca-13B-IA3-v3

数据集描述

数据集概述

该数据集是在模型 yeontaek/Platypus2xOpenOrca-13B-IA3-v3 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" 分割始终指向最新结果。

额外的配置 "results" 存储运行中的所有聚合结果（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_yeontaek__Platypus2xOpenOrca-13B-IA3-v3", "harness_winogrande_5", split="train")

最新结果

这些是从运行 2023-10-22T11:48:46.198205 获得的最新结果（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": 0.004404362416107382, "em_stderr": 0.0006781451620479675, "f1": 0.07597000838926182, "f1_stderr": 0.001647112822339397, "acc": 0.45089736370800626, "acc_stderr": 0.010370579775637361 }, "harness|drop|3": { "em": 0.004404362416107382, "em_stderr": 0.0006781451620479675, "f1": 0.07597000838926182, "f1_stderr": 0.001647112822339397 }, "harness|gsm8k|5": { "acc": 0.12357846853677028, "acc_stderr": 0.009065050306776916 }, "harness|winogrande|5": { "acc": 0.7782162588792423, "acc_stderr": 0.011676109244497808 } }