open-llm-leaderboard-old/details_VMware__open-llama-7b-open-instruct

该数据集是在评估模型VMware/open-llama-7b-open-instruct在Open LLM Leaderboard上的表现时自动生成的。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次运行生成，每次运行在每个配置中都有一个特定的分割，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 VMware/open-llama-7b-open-instruct

数据集描述

数据集摘要

数据集是在模型 VMware/open-llama-7b-open-instruct 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作为一个特定的分割找到，分割名称使用运行的时间戳。"train" 分割始终指向最新的结果。

一个额外的配置 "results" 存储了运行的所有聚合结果（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_VMware__open-llama-7b-open-instruct", "harness_winogrande_5", split="train")

最新结果

以下是 2023-09-23T05:54:33.646620 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。你可以在 "results" 和每个评估的 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.24811241610738255, "em_stderr": 0.004423238498303271, "f1": 0.3074643456375843, "f1_stderr": 0.004402791070678147, "acc": 0.3298042752007123, "acc_stderr": 0.007683951336441218 }, "harness|drop|3": { "em": 0.24811241610738255, "em_stderr": 0.004423238498303271, "f1": 0.3074643456375843, "f1_stderr": 0.004402791070678147 }, "harness|gsm8k|5": { "acc": 0.00530705079605762, "acc_stderr": 0.0020013057209480527 }, "harness|winogrande|5": { "acc": 0.654301499605367, "acc_stderr": 0.013366596951934383 } }