open-llm-leaderboard/details_totally-not-an-llm__EverythingLM-13b-16k

该数据集是在评估模型totally-not-an-llm/EverythingLM-13b-16k时自动创建的，包含3个配置，每个配置对应一个评估任务。数据集由一个运行生成，每个运行在配置中作为一个特定的分割，分割名称使用运行的时间戳。train分割始终指向最新结果。此外，results配置存储了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 totally-not-an-llm/EverythingLM-13b-16k

数据集描述

数据集概述

该数据集是在模型 totally-not-an-llm/EverythingLM-13b-16k 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1次运行中创建。每次运行可以在每个配置中找到特定的拆分，拆分名称使用运行的时间戳。"train" 拆分始终指向最新的结果。

额外的配置 "results" 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）。

加载运行详情的方法如下： python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_totally-not-an-llm__EverythingLM-13b-16k", "harness_winogrande_5", split="train")

最新结果

以下是 2023-09-23T17:51:49.550032 运行的最新结果：

python { "all": { "em": 0.0025167785234899327, "em_stderr": 0.0005131152834514911, "f1": 0.0588632550335571, "f1_stderr": 0.0013761671412880158, "acc": 0.3960729978284714, "acc_stderr": 0.009637044859971106 }, "harness|drop|3": { "em": 0.0025167785234899327, "em_stderr": 0.0005131152834514911, "f1": 0.0588632550335571, "f1_stderr": 0.0013761671412880158 }, "harness|gsm8k|5": { "acc": 0.06444275966641395, "acc_stderr": 0.0067633917284882755 }, "harness|winogrande|5": { "acc": 0.7277032359905288, "acc_stderr": 0.012510697991453934 } }