open-llm-leaderboard-old/details_TheBloke__tulu-30B-fp16

该数据集是在评估模型TheBloke/tulu-30B-fp16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分割始终指向最新的结果。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 TheBloke/tulu-30B-fp16

数据集描述

数据集概述

该数据集是在模型 TheBloke/tulu-30B-fp16 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。

数据集从1次运行中创建。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。

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_TheBloke__tulu-30B-fp16", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-22T14:05:44.356727 运行的最新结果（注意，如果连续评估未覆盖相同任务，则仓库中可能存在其他任务的结果。您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": { "em": 0.4158976510067114, "em_stderr": 0.005047512015363023, "f1": 0.4501331795302018, "f1_stderr": 0.004938014903871411, "acc": 0.5026636978936352, "acc_stderr": 0.011011615647480079 }, "harness|drop|3": { "em": 0.4158976510067114, "em_stderr": 0.005047512015363023, "f1": 0.4501331795302018, "f1_stderr": 0.004938014903871411 }, "harness|gsm8k|5": { "acc": 0.19711902956785443, "acc_stderr": 0.01095802163030063 }, "harness|winogrande|5": { "acc": 0.8082083662194159, "acc_stderr": 0.011065209664659527 } }