open-llm-leaderboard-old/details_TheBloke__Manticore-13B-Chat-Pyg-Guanaco-SuperHOT-8K-GPTQ

该数据集是在评估模型TheBloke/Manticore-13B-Chat-Pyg-Guanaco-SuperHOT-8K-GPTQ时自动生成的，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分割存储在配置中，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，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 for Evaluation run of TheBloke/Manticore-13B-Chat-Pyg-Guanaco-SuperHOT-8K-GPTQ

数据集描述

数据集概述

数据集是在模型 TheBloke/Manticore-13B-Chat-Pyg-Guanaco-SuperHOT-8K-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（并用于计算和显示 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__Manticore-13B-Chat-Pyg-Guanaco-SuperHOT-8K-GPTQ_public", "harness_winogrande_5", split="train")

最新结果

这些是从运行 2023-11-07T10:50:58.801361 获得的最新结果（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": 0.13485738255033558, "em_stderr": 0.003498008556560615, "f1": 0.2201814177852358, "f1_stderr": 0.003718008519979711, "acc": 0.3598741722131701, "acc_stderr": 0.006857552680201102 }, "harness|drop|3": { "em": 0.13485738255033558, "em_stderr": 0.003498008556560615, "f1": 0.2201814177852358, "f1_stderr": 0.003718008519979711 }, "harness|gsm8k|5": { "acc": 0.001516300227445034, "acc_stderr": 0.0010717793485492606 }, "harness|winogrande|5": { "acc": 0.7182320441988951, "acc_stderr": 0.012643326011852944 } }