open-llm-leaderboard-old/details_Dampish__Dante-2.8B

该数据集是在评估模型Dampish/Dante-2.8B时自动创建的，评估在Open LLM Leaderboard上进行。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，分割使用运行的时间戳命名。train分割始终指向最新的结果。额外的配置results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。

原始信息汇总

数据集卡片 for Evaluation run of Dampish/Dante-2.8B

数据集描述

数据集概述

该数据集是在模型 Dampish/Dante-2.8B 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间戳。"train" 分割始终指向最新的结果。

一个额外的配置 "results" 存储了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）。

要加载某个运行的详细信息，可以执行以下操作： python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_Dampish__Dante-2.8B", "harness_winogrande_5", split="train")

最新结果

以下是 2023-09-17T13:26:29.842810 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。你可以在每个评估的 "results" 和 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.001363255033557047, "em_stderr": 0.00037786091964607033, "f1": 0.0017051174496644293, "f1_stderr": 0.00040455681041866965, "acc": 0.255327545382794, "acc_stderr": 0.007024647268145198 }, "harness|drop|3": { "em": 0.001363255033557047, "em_stderr": 0.00037786091964607033, "f1": 0.0017051174496644293, "f1_stderr": 0.00040455681041866965 }, "harness|gsm8k|5": { "acc": 0.0, "acc_stderr": 0.0 }, "harness|winogrande|5": { "acc": 0.510655090765588, "acc_stderr": 0.014049294536290396 } }