open-llm-leaderboard-old/details_HWERI__Llama2-7b-sharegpt4

该数据集是在评估模型HWERI/Llama2-7b-sharegpt4时自动生成的，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，每次运行的结果作为特定配置中的一个分割，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，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 HWERI/Llama2-7b-sharegpt4

数据集描述

数据集摘要

数据集是在模型 HWERI/Llama2-7b-sharegpt4 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）。

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_HWERI__Llama2-7b-sharegpt4", "harness_winogrande_5", split="train")

最新结果

以下是从运行 2023-10-26T10:08:23.331981 获得的最新结果（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": 0.001572986577181208, "em_stderr": 0.0004058451132417743, "f1": 0.06141988255033573, "f1_stderr": 0.0014263478827371335, "acc": 0.369226585159047, "acc_stderr": 0.008577465355756637 }, "harness|drop|3": { "em": 0.001572986577181208, "em_stderr": 0.0004058451132417743, "f1": 0.06141988255033573, "f1_stderr": 0.0014263478827371335 }, "harness|gsm8k|5": { "acc": 0.026535253980288095, "acc_stderr": 0.00442704598726516 }, "harness|winogrande|5": { "acc": 0.7119179163378059, "acc_stderr": 0.012727884724248115 } }