open-llm-leaderboard/details_TheTravellingEngineer__llama2-7b-chat-hf-dpo

该数据集是在Open LLM Leaderboard上对模型TheTravellingEngineer/llama2-7b-chat-hf-dpo进行评估时自动创建的。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次运行创建，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，results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 of the model TheTravellingEngineer/llama2-7b-chat-hf-dpo on the Open LLM Leaderboard. It contains 3 configurations, each corresponding to a single evaluation task. The dataset is created from one single evaluation run, with each configuration holding a dedicated data split whose name is the timestamp of the run. The train split always references the most recent evaluation results. Additionally, the 'results' configuration stores the aggregated results from all runs, and is utilized to calculate and display the aggregate metrics shown 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 TheTravellingEngineer/llama2-7b-chat-hf-dpo 的评估运行期间自动创建的，用于 Open LLM Leaderboard。

• 数据集组成： 该数据集包含 3 个配置，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。

• 额外配置： 一个额外的配置 "results" 存储了所有运行结果的聚合，用于计算和显示 Open LLM Leaderboard 上的聚合指标。

最新结果

以下是 2023-10-21T15:24:24.824403 运行的最新结果：

python { "all": { "em": 0.06763842281879194, "em_stderr": 0.0025717489509556085, "f1": 0.13085570469798627, "f1_stderr": 0.0028825856446422905, "acc": 0.39549166962367155, "acc_stderr": 0.009921949302668327 }, "harness|drop|3": { "em": 0.06763842281879194, "em_stderr": 0.0025717489509556085, "f1": 0.13085570469798627, "f1_stderr": 0.0028825856446422905 }, "harness|gsm8k|5": { "acc": 0.07354056103108415, "acc_stderr": 0.0071898357543652685 }, "harness|winogrande|5": { "acc": 0.7174427782162589, "acc_stderr": 0.012654062850971384 } }