open-llm-leaderboard/details_MayaPH__GodziLLa2-70B

该数据集是在评估模型MayaPH/GodziLLa2-70B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，每次运行在配置中作为特定的分割，分割名称使用运行的时间戳。train分割始终指向最新结果。此外，results配置存储了所有运行的聚合结果，用于计算和展示在Open LLM Leaderboard上的聚合指标。

This dataset was automatically generated during the evaluation of the model MayaPH/GodziLLa2-70B, and contains 3 configurations, each corresponding to one evaluation task. The dataset is generated via a single run, where each run acts as a specific split within the configuration, and the split names use the timestamp of the run. The train split always points to the most recent result. Additionally, the results configuration stores the aggregated results of all runs, which are used 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 MayaPH/GodziLLa2-70B

数据集描述

数据集概述

数据集是在模型 MayaPH/GodziLLa2-70B 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。

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_MayaPH__GodziLLa2-70B_public", "harness_winogrande_5", split="train")

最新结果

以下是来自运行 2023-11-08T19:39:50.850432 的最新结果（注意，如果连续评估没有涵盖相同的任务，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": 0.40918624161073824, "em_stderr": 0.0050353012998842275, "f1": 0.523052642617452, "f1_stderr": 0.004562583016028929, "acc": 0.6320159552601676, "acc_stderr": 0.01207770454600458 }, "harness|drop|3": { "em": 0.40918624161073824, "em_stderr": 0.0050353012998842275, "f1": 0.523052642617452, "f1_stderr": 0.004562583016028929 }, "harness|gsm8k|5": { "acc": 0.43214556482183475, "acc_stderr": 0.013645072137842443 }, "harness|winogrande|5": { "acc": 0.8318863456985004, "acc_stderr": 0.010510336954166718 } }