open-llm-leaderboard-old/details_CHIH-HUNG__llama-2-13b-FINETUNE2_3w-q_k_v_o_proj

该数据集是在模型CHIH-HUNG/llama-2-13b-FINETUNE2_3w-q_k_v_o_proj在Open LLM Leaderboard上的评估运行中自动创建的。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 CHIH-HUNG/llama-2-13b-FINETUNE2_3w-q_k_v_o_proj

数据集描述

数据集概述

该数据集是在模型 CHIH-HUNG/llama-2-13b-FINETUNE2_3w-q_k_v_o_proj 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_CHIH-HUNG__llama-2-13b-FINETUNE2_3w-q_k_v_o_proj", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-23T05:27:14.109658 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。你可以在每个评估的 "results" 和 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.3719588926174497, "em_stderr": 0.004949726013193945, "f1": 0.4084679110738261, "f1_stderr": 0.004843145937750956, "acc": 0.4480415851620389, "acc_stderr": 0.010535274120903989 }, "harness|drop|3": { "em": 0.3719588926174497, "em_stderr": 0.004949726013193945, "f1": 0.4084679110738261, "f1_stderr": 0.004843145937750956 }, "harness|gsm8k|5": { "acc": 0.1281273692191054, "acc_stderr": 0.009206398549980031 }, "harness|winogrande|5": { "acc": 0.7679558011049724, "acc_stderr": 0.011864149691827948 } }