open-llm-leaderboard/details_TheBloke__WizardLM-13B-V1.1-GPTQ

该数据集是在评估模型TheBloke/WizardLM-13B-V1.1-GPTQ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，分割名称使用运行的时间戳。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 TheBloke/WizardLM-13B-V1.1-GPTQ

数据集描述

数据集概述

数据集是在模型 TheBloke/WizardLM-13B-V1.1-GPTQ 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。每次运行在每个配置中作为一个特定的分割存在，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_TheBloke__WizardLM-13B-V1.1-GPTQ_public", "harness_winogrande_5", split="train")

最新结果

以下是 2023-11-07T10:04:12.671111 运行的最新结果（注意，如果连续评估没有覆盖相同的任务，存储库中可能会有其他任务的结果。您可以在 "results" 和每个评估的 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.16851929530201343, "em_stderr": 0.0038334566477606904, "f1": 0.22963611577181164, "f1_stderr": 0.0038748826707742656, "acc": 0.41269994189709863, "acc_stderr": 0.009890824821681563 }, "harness|drop|3": { "em": 0.16851929530201343, "em_stderr": 0.0038334566477606904, "f1": 0.22963611577181164, "f1_stderr": 0.0038748826707742656 }, "harness|gsm8k|5": { "acc": 0.08112206216830932, "acc_stderr": 0.007520395797922653 }, "harness|winogrande|5": { "acc": 0.744277821625888, "acc_stderr": 0.012261253845440473 } }