open-llm-leaderboard-old/details_bhenrym14__airophin-v2-13b-PI-8k-fp16

该数据集是在模型bhenrym14/airophin-v2-13b-PI-8k-fp16的评估运行过程中自动创建的，用于Open LLM Leaderboard的评估。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次运行创建，每次运行可以在每个配置中找到，分割名称使用运行的时间戳。train分割始终指向最新的结果。此外，还有一个results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。

原始信息汇总

数据集卡片 for Evaluation run of bhenrym14/airophin-v2-13b-PI-8k-fp16

数据集描述

数据集概述

数据集是在模型 bhenrym14/airophin-v2-13b-PI-8k-fp16 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。

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）。

要加载某个运行的详细信息，可以执行以下操作： python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_bhenrym14__airophin-v2-13b-PI-8k-fp16", "harness_winogrande_5", split="train")

最新结果

以下是 2023-09-22T17:43:10.494860 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 "results" 和 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.0921770134228188, "em_stderr": 0.00296245358879876, "f1": 0.2086210151006714, "f1_stderr": 0.0033790655527750446, "acc": 0.4199589150853921, "acc_stderr": 0.009541015115774397 }, "harness|drop|3": { "em": 0.0921770134228188, "em_stderr": 0.00296245358879876, "f1": 0.2086210151006714, "f1_stderr": 0.0033790655527750446 }, "harness|gsm8k|5": { "acc": 0.07354056103108415, "acc_stderr": 0.007189835754365268 }, "harness|winogrande|5": { "acc": 0.7663772691397001, "acc_stderr": 0.011892194477183525 } }