open-llm-leaderboard/details_psyche__kollama2-7b-v2

该数据集是在评估模型psyche/kollama2-7b-v2时自动生成的，包含3个配置，每个配置对应一个评估任务。数据集由1次运行生成，每次运行在配置中以特定的分割形式存在，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，用于在Open LLM Leaderboard上计算和显示聚合指标。

This dataset was automatically generated during the evaluation of the model psyche/kollama2-7b-v2, and consists of 3 configurations, each corresponding to an individual evaluation task. The dataset is generated via one run, with each run represented in the configuration as a specific data split, where the split names adopt the timestamp of the corresponding run. The "train" split always points to the most up-to-date results. Additionally, a "results" configuration is included to store the aggregated results across all runs, which is used to compute and display aggregate metrics on the Open LLM Leaderboard.

原始信息汇总

数据集卡片 for Evaluation run of psyche/kollama2-7b-v2

数据集描述

数据集概述

数据集是在模型 psyche/kollama2-7b-v2 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（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_psyche__kollama2-7b-v2", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-16T01:12:44.878519 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。您可以在每个评估的 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.01740771812080537, "em_stderr": 0.0013393597649753845, "f1": 0.10400272651006709, "f1_stderr": 0.0021202520572007394, "acc": 0.41065886057278334, "acc_stderr": 0.009434613134114641 }, "harness|drop|3": { "em": 0.01740771812080537, "em_stderr": 0.0013393597649753845, "f1": 0.10400272651006709, "f1_stderr": 0.0021202520572007394 }, "harness|gsm8k|5": { "acc": 0.06520090978013647, "acc_stderr": 0.006800302989321092 }, "harness|winogrande|5": { "acc": 0.7561168113654302, "acc_stderr": 0.012068923278908189 } }