open-llm-leaderboard/details_augtoma__qCammel-70

数据集 Evaluation run of augtoma/qCammel-70 是在模型 augtoma/qCammel-70 在 Open LLM Leaderboard 上的评估运行过程中自动生成的。数据集包含3个配置，每个配置对应一个评估任务。数据集由一个运行生成，每个运行可以在每个配置中找到特定的分割，分割以运行的时间戳命名。train 分割始终指向最新的结果。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。

The dataset named Evaluation run of augtoma/qCammel-70 was automatically generated during the evaluation of the model augtoma/qCammel-70 on the Open LLM Leaderboard. This dataset contains 3 configurations, each corresponding to one evaluation task. The dataset is generated via a single run, and each run includes specific splits under each configuration, with the splits named after the timestamp of the run. The train split always points to the most recent results. Additionally, there is a results configuration that stores the aggregated results of all runs, which is used to calculate and display aggregated metrics on the Open LLM Leaderboard.

原始信息汇总

数据集卡片 for Evaluation run of augtoma/qCammel-70

数据集描述

数据集概述

数据集是在模型 augtoma/qCammel-70 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timestamp。"train" 分割总是指向最新的结果。

额外的配置 "results" 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）。

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_augtoma__qCammel-70", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-17T22:35:35.594396 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": 0.033766778523489936, "em_stderr": 0.001849802869119515, "f1": 0.10340918624161041, "f1_stderr": 0.0022106009828094797, "acc": 0.5700654570173166, "acc_stderr": 0.011407494958111332 }, "harness|drop|3": { "em": 0.033766778523489936, "em_stderr": 0.001849802869119515, "f1": 0.10340918624161041, "f1_stderr": 0.0022106009828094797 }, "harness|gsm8k|5": { "acc": 0.2971948445792267, "acc_stderr": 0.012588685966624186 }, "harness|winogrande|5": { "acc": 0.8429360694554064, "acc_stderr": 0.010226303949598479 } }