open-llm-leaderboard/details_openaccess-ai-collective__manticore-13b-chat-pyg

该数据集是在评估模型openaccess-ai-collective/manticore-13b-chat-pyg在Open LLM Leaderboard上的表现时自动生成的。数据集由3个配置组成，每个配置对应一个评估任务。数据集包含1次运行的记录，每次运行在配置中作为特定的分割，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，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 openaccess-ai-collective/manticore-13b-chat-pyg

数据集描述

数据集摘要

数据集是在模型 openaccess-ai-collective/manticore-13b-chat-pyg 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作为一个特定的分割找到，分割名称使用运行的timestamp。"train" 分割总是指向最新的结果。

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_openaccess-ai-collective__manticore-13b-chat-pyg", "harness_winogrande_5", split="train")

最新结果

以下是 2023-09-23T08:58:22.598379 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": 0.02925755033557047, "em_stderr": 0.0017258801842771152, "f1": 0.09186136744966467, "f1_stderr": 0.0021533865918944134, "acc": 0.4337145226735951, "acc_stderr": 0.009944810794409672 }, "harness|drop|3": { "em": 0.02925755033557047, "em_stderr": 0.0017258801842771152, "f1": 0.09186136744966467, "f1_stderr": 0.0021533865918944134 }, "harness|gsm8k|5": { "acc": 0.09552691432903715, "acc_stderr": 0.008096605771155745 }, "harness|winogrande|5": { "acc": 0.7719021310181531, "acc_stderr": 0.0117930158176636 } }