open-llm-leaderboard-old/details_stabilityai__stablelm-base-alpha-7b-v2

数据集是在评估模型stabilityai/stablelm-base-alpha-7b-v2在Open LLM Leaderboard上的运行过程中自动创建的。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，分割名称使用运行的时间戳。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。

Dataset automatically created during the evaluation run of model stabilityai/stablelm-base-alpha-7b-v2 on the Open LLM Leaderboard. The dataset is composed of 3 configurations, each corresponding to one of the evaluated tasks. The dataset has been created from 1 run(s), with each run represented as a specific split named by the timestamp. An additional configuration results stores all the aggregated results of the run and is used to compute and display the aggregated metrics on the Open LLM Leaderboard.

原始信息汇总

数据集卡片 for Evaluation run of stabilityai/stablelm-base-alpha-7b-v2

数据集描述

数据集概述

数据集是在模型 stabilityai/stablelm-base-alpha-7b-v2 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 timestamp。"train" 分割总是指向最新的结果。

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_stabilityai__stablelm-base-alpha-7b-v2_public", "harness_winogrande_5", split="train")

最新结果

以下是 2023-11-08T16:00:35.193970 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 "results" 和 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.0008389261744966443, "em_stderr": 0.0002964962989801257, "f1": 0.050772860738255036, "f1_stderr": 0.0012096254597904722, "acc": 0.3554299883973712, "acc_stderr": 0.008709660261045525 }, "harness|drop|3": { "em": 0.0008389261744966443, "em_stderr": 0.0002964962989801257, "f1": 0.050772860738255036, "f1_stderr": 0.0012096254597904722 }, "harness|gsm8k|5": { "acc": 0.02577710386656558, "acc_stderr": 0.004365042953621817 }, "harness|winogrande|5": { "acc": 0.6850828729281768, "acc_stderr": 0.013054277568469231 } }