open-llm-leaderboard/details_tiiuae__falcon-40b-instruct

该数据集是在评估模型tiiuae/falcon-40b-instruct时自动创建的，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5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 tiiuae/falcon-40b-instruct

数据集描述

数据集概述

数据集是在模型 tiiuae/falcon-40b-instruct 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5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_tiiuae__falcon-40b-instruct", "harness_gsm8k_5", split="train")

最新结果

这些是最新结果来自运行 2023-12-03T19:30:05.245215（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。你可以在结果和每个评估的 "latest" 分割中找到每个任务的结果）：

python { "all": { "acc": 0.3434420015163002, "acc_stderr": 0.01307993381180031 }, "harness|gsm8k|5": { "acc": 0.3434420015163002, "acc_stderr": 0.01307993381180031 } }