open-llm-leaderboard/details_TehVenom__Pygmalion-Vicuna-1.1-7b

该数据集是在评估模型TehVenom/Pygmalion-Vicuna-1.1-7b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。

原始信息汇总

数据集卡片 for Evaluation run of TehVenom/Pygmalion-Vicuna-1.1-7b

数据集描述

数据集摘要

数据集是在模型 TehVenom/Pygmalion-Vicuna-1.1-7b 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_TehVenom__Pygmalion-Vicuna-1.1-7b", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-18T19:33:50.994672 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。您可以在每个评估的 "results" 和 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.02506291946308725, "em_stderr": 0.0016008246934367497, "f1": 0.07974098154362427, "f1_stderr": 0.0019711203542724593, "acc": 0.39098944274470687, "acc_stderr": 0.00963637181216511 }, "harness|drop|3": { "em": 0.02506291946308725, "em_stderr": 0.0016008246934367497, "f1": 0.07974098154362427, "f1_stderr": 0.0019711203542724593 }, "harness|gsm8k|5": { "acc": 0.0621683093252464, "acc_stderr": 0.006651035644531721 }, "harness|winogrande|5": { "acc": 0.7198105761641673, "acc_stderr": 0.012621707979798499 } }