open-llm-leaderboard/details_lmsys__vicuna-13b-v1.3

数据集是在评估模型lmsys/vicuna-13b-v1.3时自动创建的，评估在Open LLM Leaderboard上进行。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1次运行创建，每次运行可以在每个配置中找到特定的分割，分割使用运行的时间戳命名。train分割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，并用于计算和显示Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集卡片 for Evaluation run of lmsys/vicuna-13b-v1.3

数据集描述

数据集概述

该数据集是在模型 lmsys/vicuna-13b-v1.3 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1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。

额外的配置 "results" 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）。

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_lmsys__vicuna-13b-v1.3", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-21T21:13:42.887863 运行的最新结果（注意，如果连续评估未覆盖相同任务，则仓库中可能会有其他任务的结果。您可以在每个评估的 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.016673657718120804, "em_stderr": 0.0013113056398144408, "f1": 0.08239932885906037, "f1_stderr": 0.0019047507167675335, "acc": 0.427940733843833, "acc_stderr": 0.010367986551641579 }, "harness|drop|3": { "em": 0.016673657718120804, "em_stderr": 0.0013113056398144408, "f1": 0.08239932885906037, "f1_stderr": 0.0019047507167675335 }, "harness|gsm8k|5": { "acc": 0.10765731614859743, "acc_stderr": 0.008537484003023366 }, "harness|winogrande|5": { "acc": 0.7482241515390686, "acc_stderr": 0.012198489100259792 } }