open-llm-leaderboard/details_WizardLM__WizardMath-13B-V1.0

数据集 Evaluation run of WizardLM/WizardMath-13B-V1.0 是在模型 WizardLM/WizardMath-13B-V1.0 的评估运行过程中自动创建的，用于在 Open LLM Leaderboard 上进行评估。数据集由3个配置组成，每个配置对应一个评估任务。数据集包含1次运行的记录，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，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 WizardLM/WizardMath-13B-V1.0

数据集描述

数据集概述

数据集是在模型 WizardLM/WizardMath-13B-V1.0 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" 分割始终指向最新的结果。

一个额外的配置 "results" 存储了运行中所有聚合的结果（并用于计算和显示 Open LLM Leaderboard 上的聚合指标）。

要加载运行中的详细信息，可以执行以下操作： python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_WizardLM__WizardMath-13B-V1.0", "harness_winogrande_5", split="train")

最新结果

以下是从2023-10-12T22:45:52.861079运行中获得的最新结果：

python { "all": { "em": 0.0024119127516778523, "em_stderr": 0.0005023380498893313, "f1": 0.07075817953020154, "f1_stderr": 0.0015254513833319102, "acc": 0.4212998893591507, "acc_stderr": 0.010848795701326375 }, "harness|drop|3": { "em": 0.0024119127516778523, "em_stderr": 0.0005023380498893313, "f1": 0.07075817953020154, "f1_stderr": 0.0015254513833319102 }, "harness|gsm8k|5": { "acc": 0.12357846853677028, "acc_stderr": 0.009065050306776925 }, "harness|winogrande|5": { "acc": 0.7190213101815311, "acc_stderr": 0.012632541095875825 } }