open-llm-leaderboard-old/details_ajibawa-2023__carl-33b

该数据集是在评估模型ajibawa-2023/carl-33b时自动创建的，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，每次运行在配置中作为特定的分割，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配置存储所有运行的聚合结果，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 for Evaluation run of ajibawa-2023/carl-33b

数据集描述

数据集摘要

数据集是在模型 ajibawa-2023/carl-33b 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。每次运行在每个配置中都可以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_ajibawa-2023__carl-33b", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-25T06:29:50.391928 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。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": 0.4434773489932886, "em_stderr": 0.005087644945149476, "f1": 0.48920616610738366, "f1_stderr": 0.004915552047694347, "acc": 0.4130577743896054, "acc_stderr": 0.009343755992304432 }, "harness|drop|3": { "em": 0.4434773489932886, "em_stderr": 0.005087644945149476, "f1": 0.48920616610738366, "f1_stderr": 0.004915552047694347 }, "harness|gsm8k|5": { "acc": 0.06368460955269144, "acc_stderr": 0.006726213078805715 }, "harness|winogrande|5": { "acc": 0.7624309392265194, "acc_stderr": 0.011961298905803146 } }