open-llm-leaderboard-old/details_Qwen__Qwen-7B

该数据集是在Open LLM Leaderboard上对Qwen/Qwen-7B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。数据集是从1次运行中创建的，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，还有一个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 Qwen/Qwen-7B

数据集描述

数据集概述

数据集是在模型 Qwen/Qwen-7B 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。

一个额外的配置 "results" 存储了运行中的所有聚合结果（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-7B_public", "harness_winogrande_5", split="train")

最新结果

这些是从运行 2023-11-15T05:40:30.047401 获得的最新结果（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": 0.04163171140939597, "em_stderr": 0.0020455872163586053, "f1": 0.0925429949664433, "f1_stderr": 0.002229779833344395, "acc": 0.5882484937226726, "acc_stderr": 0.0131121550768771 }, "harness|drop|3": { "em": 0.04163171140939597, "em_stderr": 0.0020455872163586053, "f1": 0.0925429949664433, "f1_stderr": 0.002229779833344395 }, "harness|gsm8k|5": { "acc": 0.4495830174374526, "acc_stderr": 0.013702290047884744 }, "harness|winogrande|5": { "acc": 0.7269139700078927, "acc_stderr": 0.012522020105869457 } }