File size: 1,440 Bytes
84c99d9 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 | Task , Accuracy , Centered
hellaswag_zeroshot , 0.296554 , 0.062073
jeopardy , 0.003307 , 0.003307
bigbench_qa_wikidata , 0.189016 , 0.189016
arc_easy , 0.435185 , 0.246914
arc_challenge , 0.246587 , -0.004551
copa , 0.500000 , 0.000000
commonsense_qa , 0.266175 , 0.082719
piqa , 0.597388 , 0.194777
openbook_qa , 0.298000 , 0.064000
lambada_openai , 0.207646 , 0.207646
hellaswag , 0.296156 , 0.061542
winograd , 0.556777 , 0.113553
winogrande , 0.520916 , 0.041831
bigbench_dyck_languages , 0.116000 , 0.116000
agi_eval_lsat_ar , 0.269565 , 0.086957
bigbench_cs_algorithms , 0.361364 , 0.361364
bigbench_operators , 0.104762 , 0.104762
bigbench_repeat_copy_logic , 0.000000 , 0.000000
squad , 0.004068 , 0.004068
coqa , 0.056495 , 0.056495
boolq , 0.545872 , -0.195075
bigbench_language_identification , 0.261400 , 0.187459
CORE , , 0.090221
|