open-llm-leaderboard-old/details_TFLai__Stable-Platypus2-13B-QLoRA-0.80-epoch

该数据集是在评估模型TFLai/Stable-Platypus2-13B-QLoRA-0.80-epoch时自动创建的，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，分割以运行的时间戳命名。train分割始终指向最新结果。此外，还有一个results配置存储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 TFLai/Stable-Platypus2-13B-QLoRA-0.80-epoch

数据集描述

数据集概述

该数据集是在模型 TFLai/Stable-Platypus2-13B-QLoRA-0.80-epoch 的评估运行期间自动创建的，用于 Open LLM Leaderboard。

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。

一个额外的配置 "results" 存储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）。

加载运行细节的示例如下： python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_TFLai__Stable-Platypus2-13B-QLoRA-0.80-epoch", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-15T17:45:47.583077 运行的最新结果（注意，如果连续评估未覆盖相同任务，仓库中可能会有其他任务的结果。您可以在每个评估的 "results" 和 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.4115981543624161, "em_stderr": 0.005039800830998692, "f1": 0.4835130033557058, "f1_stderr": 0.004781616038785324, "acc": 0.4006105292510111, "acc_stderr": 0.008506118979991088 }, "harness|drop|3": { "em": 0.4115981543624161, "em_stderr": 0.005039800830998692, "f1": 0.4835130033557058, "f1_stderr": 0.004781616038785324 }, "harness|gsm8k|5": { "acc": 0.0356330553449583, "acc_stderr": 0.005106107853744191 }, "harness|winogrande|5": { "acc": 0.7655880031570639, "acc_stderr": 0.011906130106237985 } }