open-llm-leaderboard/details_meta-llama__Llama-2-7b-chat-hf

该数据集是在评估模型meta-llama/Llama-2-7b-chat-hf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，每次运行的结果以时间戳命名的分割形式存储，并且train分割始终指向最新结果。此外，还有一个results配置存储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 meta-llama/Llama-2-7b-chat-hf. It comprises 3 configurations, each corresponding to a dedicated evaluation task. The results of each evaluation run are stored as splits named after timestamps, and the `train` split always points to the most recent result. In addition, a `results` configuration is included to hold the aggregated results of all runs, which is utilized to compute and display aggregated metrics on the Open LLM Leaderboard.

原始信息汇总

数据集概述

数据集描述

• 数据集名称: Evaluation run of meta-llama/Llama-2-7b-chat-hf
• 数据集来源: 该数据集是在模型 meta-llama/Llama-2-7b-chat-hf 在 Open LLM Leaderboard 上的评估运行期间自动创建的。

数据集摘要

该数据集由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。

此外，还有一个名为 "results" 的配置，存储所有运行的聚合结果，并用于计算和显示 Open LLM Leaderboard 上的聚合指标。

加载数据集示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_meta-llama__Llama-2-7b-chat-hf", "harness_winogrande_5", split="train")

最新结果

以下是从2023-10-15T02:34:15.484281运行中获得的最新结果：

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 } }