open-llm-leaderboard-old/details_baichuan-inc__Baichuan-7B

该数据集是在模型baichuan-inc/Baichuan-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特定的分割，分割使用运行的时间戳命名。train分割始终指向最新的结果。此外，还有一个名为results的配置，存储了所有运行的聚合结果，并用于计算和显示在Open LLM Leaderboard上的聚合指标。

This dataset was automatically generated during the evaluation run of the baichuan-inc/Baichuan-7B model on the Open LLM Leaderboard. The dataset comprises 3 configurations, each corresponding to a single evaluation task. The dataset is created from one single run, where each configuration contains specific splits named after the timestamp of the run. The train split always references the most up-to-date results. Additionally, there is a configuration named `results` that stores the aggregated results across all runs, and is utilized to compute and display the aggregated metrics presented on the Open LLM Leaderboard.

原始信息汇总

数据集概述

数据集描述

• 数据集摘要：该数据集是在模型 baichuan-inc/Baichuan-7B 在 Open LLM Leaderboard 上的评估运行期间自动创建的。
• 数据集组成：数据集由3个配置组成，每个配置对应一个评估任务。
• 数据集创建：数据集从1次运行中创建。每个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 timestamp。"train" 分割始终指向最新的结果。
• 额外配置：一个额外的配置 "results" 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）。

最新结果

以下是 2023-09-22T17:53:01.811068 运行的最新结果：

python { "all": { "em": 0.0010486577181208054, "em_stderr": 0.00033145814652192515, "f1": 0.05030096476510072, "f1_stderr": 0.001249643333921536, "acc": 0.34788528775895733, "acc_stderr": 0.00889327304403644 }, "harness|drop|3": { "em": 0.0010486577181208054, "em_stderr": 0.00033145814652192515, "f1": 0.05030096476510072, "f1_stderr": 0.001249643333921536 }, "harness|gsm8k|5": { "acc": 0.028051554207733132, "acc_stderr": 0.004548229533836359 }, "harness|winogrande|5": { "acc": 0.6677190213101816, "acc_stderr": 0.013238316554236521 } }

数据集加载

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_baichuan-inc__Baichuan-7B", "harness_winogrande_5", split="train")