open-llm-leaderboard-old/details_behnamsh__gpt2_platypus-camel_physics

该数据集是在Open LLM Leaderboard上对模型behnamsh/gpt2_platypus-camel_physics进行评估时自动创建的。数据集由64个配置组成，每个配置对应一个评估任务。数据集由2次运行生成，每次运行在每个配置中表示为特定的分割，分割名称由运行的时间戳命名。train分割始终指向最新结果。此外，名为results的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。README还提供了如何使用Hugging Face datasets库加载数据集的示例。

原始信息汇总

数据集概述

该数据集是在评估模型 behnamsh/gpt2_platypus-camel_physics 在 Open LLM Leaderboard 上的自动创建的。数据集包含 64 个配置，每个配置对应一个评估任务。

数据集结构

数据集由 2 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。

额外配置

一个额外的配置 "results" 存储所有运行结果的聚合，用于计算和显示在 Open LLM Leaderboard 上的聚合指标。

加载数据示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_behnamsh__gpt2_platypus-camel_physics", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-28T03:21:29.726636 运行的最新结果：

python { "all": { "em": 0.0032508389261744967, "em_stderr": 0.0005829486708558949, "f1": 0.048523489932885924, "f1_stderr": 0.0013787561628243192, "acc": 0.25769534333070243, "acc_stderr": 0.0070229133948918315 }, "harness|drop|3": { "em": 0.0032508389261744967, "em_stderr": 0.0005829486708558949, "f1": 0.048523489932885924, "f1_stderr": 0.0013787561628243192 }, "harness|gsm8k|5": { "acc": 0.0, "acc_stderr": 0.0 }, "harness|winogrande|5": { "acc": 0.5153906866614049, "acc_stderr": 0.014045826789783663 } }