open-llm-leaderboard-old/details_TheBloke__robin-33B-v2-GPTQ

该数据集是在评估模型TheBloke/robin-33B-v2-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。数据集是从1次运行中创建的，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。此外，还有一个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：TheBloke/robin-33B-v2-GPTQ 评估运行

数据集描述

数据集概述

该数据集是在模型 TheBloke/robin-33B-v2-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 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" 存储所有运行结果的聚合（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_TheBloke__robin-33B-v2-GPTQ_public", "harness_winogrande_5", split="train")

最新结果

以下是 2023-11-07T16:48:37.652137 运行的最新结果（注意，如果连续评估未涵盖相同任务，则仓库中可能存在其他任务的结果。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": 0.0019924496644295304, "em_stderr": 0.000456667646266702, "f1": 0.06134647651006716, "f1_stderr": 0.0012678217129970543, "acc": 0.5377154250337937, "acc_stderr": 0.011809230667547486 }, "harness|drop|3": { "em": 0.0019924496644295304, "em_stderr": 0.000456667646266702, "f1": 0.06134647651006716, "f1_stderr": 0.0012678217129970543 }, "harness|gsm8k|5": { "acc": 0.27748294162244125, "acc_stderr": 0.012333447581047537 }, "harness|winogrande|5": { "acc": 0.797947908445146, "acc_stderr": 0.011285013754047434 } }