open-llm-leaderboard-old/details_dvruette__oasst-pythia-12b-flash-attn-5000-steps

该数据集是在评估模型dvruette/oasst-pythia-12b-flash-attn-5000-steps时自动创建的，用于Open LLM Leaderboard。数据集包含3个配置，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分割始终指向最新结果。此外，还有一个results配置存储所有运行的聚合结果，用于计算和显示Open LLM Leaderboard上的聚合指标。该数据集是在评估模型dvruette/oasst-pythia-12b-flash-attn-5000-steps时自动创建的，用于Open LLM Leaderboard。数据集包含3个配置，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分割始终指向最新结果。此外，还有一个results配置存储所有运行的聚合结果，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 for Evaluation run of dvruette/oasst-pythia-12b-flash-attn-5000-steps

数据集描述

数据集概述

该数据集是在模型 dvruette/oasst-pythia-12b-flash-attn-5000-steps 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timestamp。"train" 分割始终指向最新的结果。

一个额外的配置 "results" 存储运行中的所有聚合结果（并用于计算和显示 Open LLM Leaderboard 上的聚合指标）。

加载运行细节的示例如下： python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_dvruette__oasst-pythia-12b-flash-attn-5000-steps", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-21T23:53:32.630430 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。您可以在每个评估的 "results" 和 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.001572986577181208, "em_stderr": 0.0004058451132417735, "f1": 0.054836409395973375, "f1_stderr": 0.001356882457395664, "acc": 0.3206343687936557, "acc_stderr": 0.00813976207357049 }, "harness|drop|3": { "em": 0.001572986577181208, "em_stderr": 0.0004058451132417735, "f1": 0.054836409395973375, "f1_stderr": 0.001356882457395664 }, "harness|gsm8k|5": { "acc": 0.009855951478392721, "acc_stderr": 0.002721076577041663 }, "harness|winogrande|5": { "acc": 0.6314127861089187, "acc_stderr": 0.013558447570099316 } }