open-llm-leaderboard-old/details_Open-Orca__LlongOrca-7B-16k

该数据集是在Open LLM Leaderboard上对Open-Orca/LlongOrca-7B-16k模型进行评估时自动创建的。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分割始终指向最新结果。此外，results配置存储了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。

原始信息汇总

数据集卡片 for Evaluation run of Open-Orca/LlongOrca-7B-16k

数据集描述

数据集概述

该数据集是在模型 Open-Orca/LlongOrca-7B-16k 的评估运行期间自动创建的，用于 Open LLM Leaderboard。

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拆分，拆分名称使用运行的时间戳。"train" 拆分始终指向最新的结果。

还有一个额外的配置 "results"，存储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）。

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_Open-Orca__LlongOrca-7B-16k", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-18T04:31:23.491817 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" 拆分中找到每个任务的结果）：

python { "all": { "em": 0.016988255033557047, "em_stderr": 0.0013234068882109723, "f1": 0.08061136744966452, "f1_stderr": 0.001896831507875326, "acc": 0.4100619744335266, "acc_stderr": 0.009753220057431532 }, "harness|drop|3": { "em": 0.016988255033557047, "em_stderr": 0.0013234068882109723, "f1": 0.08061136744966452, "f1_stderr": 0.001896831507875326 }, "harness|gsm8k|5": { "acc": 0.07505686125852919, "acc_stderr": 0.007257633145486642 }, "harness|winogrande|5": { "acc": 0.745067087608524, "acc_stderr": 0.012248806969376422 } }