open-llm-leaderboard/details_Qwen__Qwen-14B

该数据集是在Open LLM Leaderboard上对Qwen/Qwen-14B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分割始终指向最新的结果。此外，results配置存储了所有运行的聚合结果，用于计算和显示在Open LLM Leaderboard上的聚合指标。

This dataset was automatically created during the evaluation of the Qwen/Qwen-14B model on the Open LLM Leaderboard. The dataset comprises three configurations, each corresponding to an individual evaluation task. The dataset is generated from a single run, where each configuration within the run contains specific splits, and the names of these splits adopt the timestamp of the corresponding run. The train split always points to the most recent results. Furthermore, the results configuration stores the aggregated results of all runs, which are 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 Qwen/Qwen-14B

数据集描述

数据集概述

数据集是在模型 Qwen/Qwen-14B 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作为一个特定的分割找到，分割名称使用运行的时戳。"train" 分割总是指向最新的结果。

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_Qwen__Qwen-14B_public", "harness_winogrande_5", split="train")

最新结果

以下是 2023-11-15T04:46:20.928178 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 "results" 和每个评估的 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.20501258389261745, "em_stderr": 0.0041343766395959035, "f1": 0.25307885906040445, "f1_stderr": 0.004059472478555139, "acc": 0.6788982947905453, "acc_stderr": 0.012706242404844144 }, "harness|drop|3": { "em": 0.20501258389261745, "em_stderr": 0.0041343766395959035, "f1": 0.25307885906040445, "f1_stderr": 0.004059472478555139 }, "harness|gsm8k|5": { "acc": 0.5898407884761183, "acc_stderr": 0.013548335117860343 }, "harness|winogrande|5": { "acc": 0.7679558011049724, "acc_stderr": 0.011864149691827943 } }