open-llm-leaderboard/details_RoversX__llama-2-7b-hf-small-shards-Samantha-V1-SFT

该数据集是在评估模型RoversX/llama-2-7b-hf-small-shards-Samantha-V1-SFT在Open LLM Leaderboard上的表现时自动生成的。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次运行生成，每次运行的结果可以在每个配置的特定分割中找到，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 RoversX/llama-2-7b-hf-small-shards-Samantha-V1-SFT

数据集描述

数据集概述

该数据集是在模型 RoversX/llama-2-7b-hf-small-shards-Samantha-V1-SFT 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作为一个特定的分割找到，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_RoversX__llama-2-7b-hf-small-shards-Samantha-V1-SFT", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-13T04:33:28.538192 运行的最新结果：

python { "all": { "em": 0.0012583892617449664, "em_stderr": 0.00036305608931188796, "f1": 0.052196937919463185, "f1_stderr": 0.0012732861194066877, "acc": 0.4008241516587451, "acc_stderr": 0.009542578755221624 }, "harness|drop|3": { "em": 0.0012583892617449664, "em_stderr": 0.00036305608931188796, "f1": 0.052196937919463185, "f1_stderr": 0.0012732861194066877 }, "harness|gsm8k|5": { "acc": 0.06368460955269144, "acc_stderr": 0.006726213078805692 }, "harness|winogrande|5": { "acc": 0.7379636937647988, "acc_stderr": 0.012358944431637557 } }