open-llm-leaderboard-old/details_Undi95__MM-ReMM-L2-20B

该数据集是在评估模型Undi95/MM-ReMM-L2-20B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 Undi95/MM-ReMM-L2-20B

数据集描述

数据集概述

该数据集是在模型 Undi95/MM-ReMM-L2-20B 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 timestamp。"train" 分割始终指向最新结果。

一个额外的配置 "results" 存储所有运行的聚合结果（用于计算和显示 Open LLM Leaderboard 上的聚合指标）。

加载运行详细信息的方法如下： python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_Undi95__MM-ReMM-L2-20B_public", "harness_winogrande_5", split="train")

最新结果

以下是 2023-11-07T18:30:54.641369 运行的最新结果：

python { "all": { "em": 0.10843120805369127, "em_stderr": 0.0031841552068159317, "f1": 0.18655725671140816, "f1_stderr": 0.003391655697712374, "acc": 0.4175133274651996, "acc_stderr": 0.009700033024698568 }, "harness|drop|3": { "em": 0.10843120805369127, "em_stderr": 0.0031841552068159317, "f1": 0.18655725671140816, "f1_stderr": 0.003391655697712374 }, "harness|gsm8k|5": { "acc": 0.07733131159969674, "acc_stderr": 0.00735771352322235 }, "harness|winogrande|5": { "acc": 0.7576953433307024, "acc_stderr": 0.012042352526174785 } }