open-llm-leaderboard-old/details_microsoft__phi-1_5

该数据集是在评估模型microsoft/phi-1_5时自动生成的，主要用于Open LLM Leaderboard的评估任务。数据集包含3个配置，每个配置对应一个评估任务，并且每个配置中包含了以时间戳命名的运行结果。此外，还有一个名为results的配置，用于存储所有运行的聚合结果。README还提供了如何加载数据集的具体代码示例，并展示了最新的评估结果。

原始信息汇总

数据集卡片 for Evaluation run of microsoft/phi-1_5

数据集描述

数据集概述

数据集是在模型 microsoft/phi-1_5 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_microsoft__phi-1_5_public", "harness_winogrande_5", split="train")

最新结果

以下是从运行 2023-11-06T13:16:44.433412 得到的最新结果（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。您可以在结果和每个评估的 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.0025167785234899327, "em_stderr": 0.0005131152834514706, "f1": 0.050449874161074076, "f1_stderr": 0.0013066024783407934, "acc": 0.4232574963812843, "acc_stderr": 0.01083889957295003 }, "harness|drop|3": { "em": 0.0025167785234899327, "em_stderr": 0.0005131152834514706, "f1": 0.050449874161074076, "f1_stderr": 0.0013066024783407934 }, "harness|gsm8k|5": { "acc": 0.1243366186504928, "acc_stderr": 0.009088880962028463 }, "harness|winogrande|5": { "acc": 0.7221783741120757, "acc_stderr": 0.0125889181838716 } }