open-llm-leaderboard-old/details_ajibawa-2023__scarlett-7b

该数据集是在模型ajibawa-2023/scarlett-7b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。数据集由2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Open LLM Leaderboard上的聚合指标。

Dataset automatically created during the evaluation run of model ajibawa-2023/scarlett-7b on the Open LLM Leaderboard. It consists of 3 configurations, each corresponding to an evaluated task. The dataset has been generated from 2 runs, with each run represented as a specific split named by the timestamp of the run. The train split always points to the latest results. There is also an additional configuration named results which stores all aggregated results from the run, used to compute and display aggregated metrics on the leaderboard.

原始信息汇总

数据集卡片 for Evaluation run of ajibawa-2023/scarlett-7b

数据集描述

数据集总结

该数据集是在模型 ajibawa-2023/scarlett-7b 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 "results" 配置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__scarlett-7b", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-28T20:24:47.914205 运行的最新结果（注意，如果连续评估未覆盖相同任务，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": 0.06103187919463087, "em_stderr": 0.002451565190705489, "f1": 0.12157193791946294, "f1_stderr": 0.002704445932722437, "acc": 0.3622108542921648, "acc_stderr": 0.007057235105359207 }, "harness|drop|3": { "em": 0.06103187919463087, "em_stderr": 0.002451565190705489, "f1": 0.12157193791946294, "f1_stderr": 0.002704445932722437 }, "harness|gsm8k|5": { "acc": 0.003032600454890068, "acc_stderr": 0.0015145735612245386 }, "harness|winogrande|5": { "acc": 0.7213891081294396, "acc_stderr": 0.012599896649493875 } }