open-llm-leaderboard-old/details_clibrain__Llama-2-13b-ft-instruct-es

该数据集是在评估模型clibrain/Llama-2-13b-ft-instruct-es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，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 clibrain/Llama-2-13b-ft-instruct-es

数据集描述

数据集摘要

数据集是在模型 clibrain/Llama-2-13b-ft-instruct-es 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。

数据集是从 1 次运行中创建的。每次运行都可以在每个配置中作为一个特定的分割找到，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）。

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_clibrain__Llama-2-13b-ft-instruct-es", "harness_winogrande_5", split="train")

最新结果

以下是 2023-09-18T03:06:46.998156 运行的最新结果（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。你可以在每个评估的 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.0024119127516778523, "em_stderr": 0.0005023380498893348, "f1": 0.0655463506711411, "f1_stderr": 0.0014039891922809947, "acc": 0.42168315309067345, "acc_stderr": 0.009875785691028784 }, "harness|drop|3": { "em": 0.0024119127516778523, "em_stderr": 0.0005023380498893348, "f1": 0.0655463506711411, "f1_stderr": 0.0014039891922809947 }, "harness|gsm8k|5": { "acc": 0.08567096285064443, "acc_stderr": 0.007709218855882782 }, "harness|winogrande|5": { "acc": 0.7576953433307024, "acc_stderr": 0.012042352526174787 } }