open-llm-leaderboard/details_Sao10K__Chat-Stheno-L2-13B

该数据集是在模型Sao10K/Chat-Stheno-L2-13B在Open LLM Leaderboard上的评估运行过程中自动创建的。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1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，results配置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。

原始信息汇总

数据集卡片：Sao10K/Chat-Stheno-L2-13B 评估运行

数据集描述

数据集概述

该数据集是在模型 Sao10K/Chat-Stheno-L2-13B 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 timestamp。"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_Sao10K__Chat-Stheno-L2-13B_public", "harness_winogrande_5", split="train")

最新结果

以下是 2023-11-04T16:25:41.456974 运行的最新结果：

python { "all": { "em": 0.053062080536912755, "em_stderr": 0.00229558058219171, "f1": 0.11251887583892609, "f1_stderr": 0.002552941756424483, "acc": 0.45079414279670627, "acc_stderr": 0.010942596493290702 }, "harness|drop|3": { "em": 0.053062080536912755, "em_stderr": 0.00229558058219171, "f1": 0.11251887583892609, "f1_stderr": 0.002552941756424483 }, "harness|gsm8k|5": { "acc": 0.14783927217589082, "acc_stderr": 0.009776827679143889 }, "harness|winogrande|5": { "acc": 0.7537490134175217, "acc_stderr": 0.012108365307437518 } }