open-llm-leaderboard/details_TaylorAI__Flash-Llama-13B

该数据集是在评估模型TaylorAI/Flash-Llama-13B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，results配置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。

This dataset was automatically created during the evaluation of the model TaylorAI/Flash-Llama-13B, which was conducted on the Open LLM Leaderboard. The dataset consists of 3 configurations, each corresponding to one evaluation task. The entire dataset is generated from a single run, with specific splits available for each configuration, and the names of these splits are derived from the timestamp of the run. The train split always points to the most recent results. Additionally, the "results" configuration stores the aggregated results of all runs, and is utilized to calculate and display the aggregated metrics on the Open LLM Leaderboard.

原始信息汇总

数据集卡片 for Evaluation run of TaylorAI/Flash-Llama-13B

数据集描述

数据集概述

该数据集是在模型 TaylorAI/Flash-Llama-13B 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）。

加载运行细节的示例如下： python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_TaylorAI__Flash-Llama-13B", "harness_winogrande_5", split="train")

最新结果

以下是从运行 2023-10-16T02:07:21.607373 获得的最新结果：

python { "all": { "em": 0.0014681208053691276, "em_stderr": 0.00039210421902982666, "f1": 0.0607822986577181, "f1_stderr": 0.0013583957676382913, "acc": 0.43739636770101, "acc_stderr": 0.010228023491905505 }, "harness|drop|3": { "em": 0.0014681208053691276, "em_stderr": 0.00039210421902982666, "f1": 0.0607822986577181, "f1_stderr": 0.0013583957676382913 }, "harness|gsm8k|5": { "acc": 0.10841546626231995, "acc_stderr": 0.008563852506627487 }, "harness|winogrande|5": { "acc": 0.7663772691397001, "acc_stderr": 0.011892194477183524 } }