open-llm-leaderboard-old/details_RoversX__llama-2-7b-hf-small-shards-Samantha-V1-SFT

Name: open-llm-leaderboard-old/details_RoversX__llama-2-7b-hf-small-shards-Samantha-V1-SFT
Creator: open-llm-leaderboard-old
Published: 2024-06-22T06:32:30+08:00

Hugging Face2023-10-13 更新2024-06-22 收录

机器学习评估

性能分析

数据链接：

https://hf-mirror.com/datasets/open-llm-leaderboard-old/details_RoversX__llama-2-7b-hf-small-shards-Samantha-V1-SFT 数据链接链接失效反馈

官方服务：

资源简介：

该数据集是在评估模型RoversX/llama-2-7b-hf-small-shards-Samantha-V1-SFT在Open LLM Leaderboard上的表现时自动生成的。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1次运行生成，每次运行在每个配置中作为一个特定的分割，分割名称使用运行的时间戳。train分割始终指向最新的结果。此外，还有一个results配置存储了所有运行的聚合结果，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 RoversX/llama-2-7b-hf-small-shards-Samantha-V1-SFT on the Open LLM Leaderboard. The dataset includes 3 configurations, each corresponding to one evaluation task. This dataset is generated from a single run, where each configuration is paired with a specific split, and the names of these splits are derived from the timestamp of the run. The "train" split always references the most recent results. Furthermore, a "results" configuration stores the aggregated results across all runs, which are used to calculate and display the aggregate metrics shown on the Open LLM Leaderboard.

提供机构：

open-llm-leaderboard-old

原始信息汇总

数据集卡片 for Evaluation run of RoversX/llama-2-7b-hf-small-shards-Samantha-V1-SFT

数据集描述

数据集概述

该数据集是在模型 RoversX/llama-2-7b-hf-small-shards-Samantha-V1-SFT 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作为一个特定的分割找到，分割名称使用运行的时戳。"train" 分割始终指向最新的结果。

一个额外的配置 "results" 存储了运行的所有聚合结果（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_RoversX__llama-2-7b-hf-small-shards-Samantha-V1-SFT", "harness_winogrande_5", split="train")

最新结果

以下是来自运行 2023-10-13T04:33:28.538192 的最新结果（注意，如果连续评估没有覆盖相同的任务，则仓库中可能会有其他任务的结果。您可以在每个评估的 "results" 和 "latest" 分割中找到每个任务的结果）：

python { "all": { "em": 0.0012583892617449664, "em_stderr": 0.00036305608931188796, "f1": 0.052196937919463185, "f1_stderr": 0.0012732861194066877, "acc": 0.4008241516587451, "acc_stderr": 0.009542578755221624 }, "harness|drop|3": { "em": 0.0012583892617449664, "em_stderr": 0.00036305608931188796, "f1": 0.052196937919463185, "f1_stderr": 0.0012732861194066877 }, "harness|gsm8k|5": { "acc": 0.06368460955269144, "acc_stderr": 0.006726213078805692 }, "harness|winogrande|5": { "acc": 0.7379636937647988, "acc_stderr": 0.012358944431637557 } }