open-llm-leaderboard-old/details_yeontaek__llama-2-13b-Beluga-QLoRA

该数据集是在评估模型yeontaek/llama-2-13b-Beluga-QLoRA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1次运行的记录组成，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，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 yeontaek/llama-2-13b-Beluga-QLoRA

数据集描述

数据集摘要

数据集是在模型 yeontaek/llama-2-13b-Beluga-QLoRA 在 Open LLM Leaderboard 上的评估运行期间自动创建的。

该数据集由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。

一个额外的配置 "results" 存储了运行的所有聚合结果（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_yeontaek__llama-2-13b-Beluga-QLoRA", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-18T22:26:55.805701 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 "results" 和每个评估的 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.3896812080536913, "em_stderr": 0.004994278468867637, "f1": 0.44408871644295367, "f1_stderr": 0.004822247735604221, "acc": 0.3923953414757179, "acc_stderr": 0.007449958542081619 }, "harness|drop|3": { "em": 0.3896812080536913, "em_stderr": 0.004994278468867637, "f1": 0.44408871644295367, "f1_stderr": 0.004822247735604221 }, "harness|gsm8k|5": { "acc": 0.01288855193328279, "acc_stderr": 0.003106901266499646 }, "harness|winogrande|5": { "acc": 0.7719021310181531, "acc_stderr": 0.011793015817663592 } }