open-llm-leaderboard/details_CHIH-HUNG__llama-2-13b-FINETUNE5_4w-r8-q_k_v_o

该数据集是在评估模型CHIH-HUNG/llama-2-13b-FINETUNE5_4w-r8-q_k_v_o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2次运行生成，每次运行的结果作为特定配置中的一个分割，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，用于在Open LLM Leaderboard上计算和显示聚合指标。

原始信息汇总

数据集卡片：CHIH-HUNG/llama-2-13b-FINETUNE5_4w-r8-q_k_v_o 评估运行

数据集描述

数据集概述

该数据集是在模型 CHIH-HUNG/llama-2-13b-FINETUNE5_4w-r8-q_k_v_o 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）。

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_CHIH-HUNG__llama-2-13b-FINETUNE5_4w-r8-q_k_v_o_public", "harness_winogrande_5", split="train")

最新结果

以下是 2023-11-06T15:43:11.163444 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": 0.37458053691275167, "em_stderr": 0.004956760684602152, "f1": 0.41704173657718185, "f1_stderr": 0.004847488019820457, "acc": 0.45805311598499976, "acc_stderr": 0.010642754511101384 }, "harness|drop|3": { "em": 0.37458053691275167, "em_stderr": 0.004956760684602152, "f1": 0.41704173657718185, "f1_stderr": 0.004847488019820457 }, "harness|gsm8k|5": { "acc": 0.14025777103866566, "acc_stderr": 0.009565108281428666 }, "harness|winogrande|5": { "acc": 0.7758484609313339, "acc_stderr": 0.011720400740774104 } }