open-llm-leaderboard-old/details_sauce1337__BerrySauce-L2-13b

该数据集是在模型sauce1337/BerrySauce-L2-13b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。数据集由2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分割始终指向最新的结果。此外，一个名为results的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。该数据集是在模型sauce1337/BerrySauce-L2-13b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。数据集由2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分割始终指向最新的结果。此外，一个名为results的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。

原始信息汇总

数据集卡片：sauce1337/BerrySauce-L2-13b 评估运行

数据集描述

数据集概述

该数据集是在模型 sauce1337/BerrySauce-L2-13b 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。

数据集从2次运行中创建。每次运行在每个配置中作为一个特定的拆分存在，拆分名称使用运行的时间戳。"train" 拆分始终指向最新的结果。

一个额外的配置 "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_sauce1337__BerrySauce-L2-13b_public", "harness_winogrande_5", split="train")

最新结果

以下是 2023-11-06T15:44:21.249547 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。您可以在每个评估的 "results" 和 "latest" 拆分中找到每个任务的结果）：

python { "all": { "em": 0.30002097315436244, "em_stderr": 0.004693080166542511, "f1": 0.37748741610738484, "f1_stderr": 0.004586092728093026, "acc": 0.43918283744411857, "acc_stderr": 0.010429436550666943 }, "harness|drop|3": { "em": 0.30002097315436244, "em_stderr": 0.004693080166542511, "f1": 0.37748741610738484, "f1_stderr": 0.004586092728093026 }, "harness|gsm8k|5": { "acc": 0.11751326762699014, "acc_stderr": 0.008870331256489977 }, "harness|winogrande|5": { "acc": 0.760852407261247, "acc_stderr": 0.011988541844843909 } }