open-llm-leaderboard/details_TigerResearch__tigerbot-7b-base

该数据集是在评估模型TigerResearch/tigerbot-7b-base时自动创建的，并用于Open LLM Leaderboard。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，还有一个results配置存储所有运行的聚合结果，用于计算和显示Open LLM Leaderboard上的聚合指标。

This dataset was automatically created during the evaluation of the model TigerResearch/tigerbot-7b-base, and is intended for use with the Open LLM Leaderboard. It comprises 3 configurations, each corresponding to one evaluation task. This dataset is generated through a single run, where specific data splits can be found under each configuration, with the split names using the timestamp of the corresponding run. The train split always points to the most recent results. Additionally, a results configuration is included to store the aggregated results across all runs, which is utilized to calculate and display the aggregated metrics on the Open LLM Leaderboard.

原始信息汇总

数据集卡片 for Evaluation run of TigerResearch/tigerbot-7b-base

数据集描述

数据集摘要

数据集是在模型 TigerResearch/tigerbot-7b-base 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。

数据集是从1次运行中创建的。每次运行可以在每个配置中找到一个特定的分割，分割名称使用运行的时间戳。"train" 分割始终指向最新的结果。

额外的配置 "results" 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）。

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_TigerResearch__tigerbot-7b-base", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-26T07:32:19.507473 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 "results" 和每个评估的 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.008284395973154363, "em_stderr": 0.0009282472025612859, "f1": 0.0630316694630872, "f1_stderr": 0.0015568932363703221, "acc": 0.4022740314737014, "acc_stderr": 0.010745030991055528 }, "harness|drop|3": { "em": 0.008284395973154363, "em_stderr": 0.0009282472025612859, "f1": 0.0630316694630872, "f1_stderr": 0.0015568932363703221 }, "harness|gsm8k|5": { "acc": 0.10841546626231995, "acc_stderr": 0.008563852506627483 }, "harness|winogrande|5": { "acc": 0.6961325966850829, "acc_stderr": 0.012926209475483574 } }