open-llm-leaderboard-old/details_luffycodes__higgs-llama-vicuna-ep25-70b

该数据集是在评估模型[luffycodes/higgs-llama-vicuna-ep25-70b]时自动生成的，用于在Open LLM Leaderboard上进行评估。数据集包含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。

原始信息汇总

数据集卡片：luffycodes/higgs-llama-vicuna-ep25-70b 评估运行

数据集描述

数据集摘要

该数据集是在模型 luffycodes/higgs-llama-vicuna-ep25-70b 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拆分，拆分名称使用运行的时戳。"train" 拆分始终指向最新结果。

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_luffycodes__higgs-llama-vicuna-ep25-70b_public", "harness_winogrande_5", split="train")

最新结果

以下是来自运行 2023-11-07T00:36:52.545264 的最新结果： python { "all": { "em": 0.4165268456375839, "em_stderr": 0.005048607283288401, "f1": 0.49208158557047166, "f1_stderr": 0.004763681838536193, "acc": 0.5761731430558057, "acc_stderr": 0.012100109818181048 }, "harness|drop|3": { "em": 0.4165268456375839, "em_stderr": 0.005048607283288401, "f1": 0.49208158557047166, "f1_stderr": 0.004763681838536193 }, "harness|gsm8k|5": { "acc": 0.3457164518574678, "acc_stderr": 0.013100422990441578 }, "harness|winogrande|5": { "acc": 0.8066298342541437, "acc_stderr": 0.01109979664592052 } }