open-llm-leaderboard/details_Corianas__590m

该数据集是在模型Corianas/590m在Open LLM Leaderboard上的评估运行期间自动创建的。数据集由三个配置组成，每个配置对应一个评估任务。数据集来自一次运行，每次运行在每个配置中表示为特定的分割，分割名称使用运行的时间戳。train分割始终指向最新结果。另外，results配置存储了运行的所有聚合结果，用于计算和显示Open LLM Leaderboard上的聚合指标。README还提供了如何使用Hugging Face datasets库加载数据集的示例。

This dataset was automatically created during the evaluation run of the model Corianas/590m on the Open LLM Leaderboard. It comprises three configurations, each corresponding to one evaluation task. The dataset is derived from this single evaluation run, where each configuration includes a specific split, and the name of each split is the timestamp of the run. The 'train' split always points to the most recent results. Additionally, the 'results' configuration stores all aggregated results from the run, which are used to calculate and display the aggregate metrics on the Open LLM Leaderboard. The README also provides examples of how to load the dataset using the Hugging Face Datasets library.

原始信息汇总

数据集卡片：Corianas/590m 评估运行

数据集描述

数据集摘要

该数据集是在模型 Corianas/590m 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。

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_Corianas__590m", "harness_winogrande_5", split="train")

最新结果

以下是来自运行 2023-10-15T22:43:28.791779 的最新结果（注意，如果连续评估没有覆盖相同的任务，则仓库中可能会有其他任务的结果。您可以在每个评估的 "latest" 拆分中找到每个任务的结果）：

python { "all": { "em": 0.010276845637583893, "em_stderr": 0.0010328242665282278, "f1": 0.0602705536912752, "f1_stderr": 0.0016432009705513089, "acc": 0.24228909873484075, "acc_stderr": 0.0074016381223505675 }, "harness|drop|3": { "em": 0.010276845637583893, "em_stderr": 0.0010328242665282278, "f1": 0.0602705536912752, "f1_stderr": 0.0016432009705513089 }, "harness|gsm8k|5": { "acc": 0.000758150113722517, "acc_stderr": 0.0007581501137225333 }, "harness|winogrande|5": { "acc": 0.48382004735595896, "acc_stderr": 0.014045126130978601 } }