open-llm-leaderboard/details_sauce1337__BerrySauce-L2-13b

该数据集是在评估模型sauce1337/BerrySauce-L2-13b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2次运行生成，每次运行的结果以时间戳命名的分割形式存储，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，用于在Open LLM Leaderboard上计算和显示聚合指标。

This dataset was automatically generated during the evaluation of the model sauce1337/BerrySauce-L2-13b. It includes 3 configurations, each corresponding to one evaluation task. The dataset is generated from two runs, with the results of each run stored as data splits named by timestamps, and the "train" split always points to the most recent result. Additionally, there is a "results" configuration that stores the aggregated results from all runs, which is used to compute and display aggregate metrics on the Open LLM Leaderboard.

原始信息汇总

数据集卡片 for Evaluation run of sauce1337/BerrySauce-L2-13b

数据集描述

数据集概述

该数据集是在模型 sauce1337/BerrySauce-L2-13b 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 2 次运行中创建。每次运行在每个配置中作为一个特定的分割存在，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）。

要加载某个运行的详细信息，可以执行以下操作： python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_sauce1337__BerrySauce-L2-13b_public", "harness_winogrande_5", split="train")

最新结果

以下是 2023-11-06T15:44:21.249547 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": 0.30002097315436244, "em_stderr": 0.004693080166542511, "f1": 0.37748741610738484, "f1_stderr": 0.004586092728093026, "acc": 0.43918283744411857, "acc_stderr": 0.010429436550666943 }, "harness|drop|3": { "em": 0.30002097315436244, "em_stderr": 0.004693080166542511, "f1": 0.37748741610738484, "f1_stderr": 0.004586092728093026 }, "harness|gsm8k|5": { "acc": 0.11751326762699014, "acc_stderr": 0.008870331256489977 }, "harness|winogrande|5": { "acc": 0.760852407261247, "acc_stderr": 0.011988541844843909 } }

数据集结构

配置

• harness_drop_3

  • 分割: 2023_11_04T16_52_54.420127
    • 路径: **/details_harness|drop|3_2023-11-04T16-52-54.420127.parquet
  • 分割: 2023_11_06T15_44_21.249547
    • 路径: **/details_harness|drop|3_2023-11-06T15-44-21.249547.parquet
  • 分割: latest
    • 路径: **/details_harness|drop|3_2023-11-06T15-44-21.249547.parquet

• harness_gsm8k_5

  • 分割: 2023_11_04T16_52_54.420127
    • 路径: **/details_harness|gsm8k|5_2023-11-04T16-52-54.420127.parquet
  • 分割: 2023_11_06T15_44_21.249547
    • 路径: **/details_harness|gsm8k|5_2023-11-06T15-44-21.249547.parquet
  • 分割: latest
    • 路径: **/details_harness|gsm8k|5_2023-11-06T15-44-21.249547.parquet

• harness_winogrande_5

  • 分割: 2023_11_04T16_52_54.420127
    • 路径: **/details_harness|winogrande|5_2023-11-04T16-52-54.420127.parquet
  • 分割: 2023_11_06T15_44_21.249547
    • 路径: **/details_harness|winogrande|5_2023-11-06T15-44-21.249547.parquet
  • 分割: latest
    • 路径: **/details_harness|winogrande|5_2023-11-06T15-44-21.249547.parquet

• results

  • 分割: 2023_11_04T16_52_54.420127
    • 路径: results_2023-11-04T16-52-54.420127.parquet
  • 分割: 2023_11_06T15_44_21.249547
    • 路径: results_2023-11-06T15-44-21.249547.parquet
  • 分割: latest
    • 路径: results_2023-11-06T15-44-21.249547.parquet