leaderboard-pr-bot commited on
Commit
89626c5
1 Parent(s): 7aed285

Adding Evaluation Results

Browse files

This is an automated PR created with https://huggingface.co/spaces/Weyaxi/open-llm-leaderboard-results-pr

The purpose of this PR is to add evaluation results from the Open LLM Leaderboard to your model card.

If you encounter any issues, please report them to https://huggingface.co/spaces/Weyaxi/open-llm-leaderboard-results-pr/discussions

Files changed (1) hide show
  1. README.md +118 -2
README.md CHANGED
@@ -1,11 +1,114 @@
1
  ---
2
- license: apache-2.0
3
  language:
4
  - en
5
  - zh
 
6
  tags:
7
  - finance
8
  - invest
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
9
  ---
10
  # **Deepmoney**
11
 
@@ -295,4 +398,17 @@ raw text,全参数训练。基座采用了长上下文的yi-34b-200k。这对
295
  2, 请你设计一套定量方法研究以上新闻对____业产生的影响。并据此说明具体需要使用哪些数据。
296
  3, 请根据以下数据,_____设计一套具体的定量方法定量分析以上新闻对____业产生的影响。
297
 
298
- 其中,第一个问题是主观判断,提取新闻影响的标的。这更多的依赖模型的主观分析能力。然后从第一个回答中提取行业名称(这对于熟悉大模型的人来说,设计一套自动化流程易如反掌),填入第二个问题中,目的是获取定量分析的数据。之所以先问定量方法再数据,是COT的魔法。最后一个问题的回答才是我们真正需要的,这个问题上下文中给了足够多的信息,需要它回复一个确切且具体的定量方法。结合代码编写的模型和函数调用的模型,如果你有一个数据字典完善的宏微观数据库的话,这是完全可以实现的。以上是deepmoney和gpt4的这三步回答,该新闻是20240115北京时间早晨9:35刚刚发生的新闻。
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
  ---
 
2
  language:
3
  - en
4
  - zh
5
+ license: apache-2.0
6
  tags:
7
  - finance
8
  - invest
9
+ model-index:
10
+ - name: deepmoney-34b-200k-base
11
+ results:
12
+ - task:
13
+ type: text-generation
14
+ name: Text Generation
15
+ dataset:
16
+ name: AI2 Reasoning Challenge (25-Shot)
17
+ type: ai2_arc
18
+ config: ARC-Challenge
19
+ split: test
20
+ args:
21
+ num_few_shot: 25
22
+ metrics:
23
+ - type: acc_norm
24
+ value: 63.99
25
+ name: normalized accuracy
26
+ source:
27
+ url: https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard?query=TriadParty/deepmoney-34b-200k-base
28
+ name: Open LLM Leaderboard
29
+ - task:
30
+ type: text-generation
31
+ name: Text Generation
32
+ dataset:
33
+ name: HellaSwag (10-Shot)
34
+ type: hellaswag
35
+ split: validation
36
+ args:
37
+ num_few_shot: 10
38
+ metrics:
39
+ - type: acc_norm
40
+ value: 83.87
41
+ name: normalized accuracy
42
+ source:
43
+ url: https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard?query=TriadParty/deepmoney-34b-200k-base
44
+ name: Open LLM Leaderboard
45
+ - task:
46
+ type: text-generation
47
+ name: Text Generation
48
+ dataset:
49
+ name: MMLU (5-Shot)
50
+ type: cais/mmlu
51
+ config: all
52
+ split: test
53
+ args:
54
+ num_few_shot: 5
55
+ metrics:
56
+ - type: acc
57
+ value: 74.04
58
+ name: accuracy
59
+ source:
60
+ url: https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard?query=TriadParty/deepmoney-34b-200k-base
61
+ name: Open LLM Leaderboard
62
+ - task:
63
+ type: text-generation
64
+ name: Text Generation
65
+ dataset:
66
+ name: TruthfulQA (0-shot)
67
+ type: truthful_qa
68
+ config: multiple_choice
69
+ split: validation
70
+ args:
71
+ num_few_shot: 0
72
+ metrics:
73
+ - type: mc2
74
+ value: 45.93
75
+ source:
76
+ url: https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard?query=TriadParty/deepmoney-34b-200k-base
77
+ name: Open LLM Leaderboard
78
+ - task:
79
+ type: text-generation
80
+ name: Text Generation
81
+ dataset:
82
+ name: Winogrande (5-shot)
83
+ type: winogrande
84
+ config: winogrande_xl
85
+ split: validation
86
+ args:
87
+ num_few_shot: 5
88
+ metrics:
89
+ - type: acc
90
+ value: 81.45
91
+ name: accuracy
92
+ source:
93
+ url: https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard?query=TriadParty/deepmoney-34b-200k-base
94
+ name: Open LLM Leaderboard
95
+ - task:
96
+ type: text-generation
97
+ name: Text Generation
98
+ dataset:
99
+ name: GSM8k (5-shot)
100
+ type: gsm8k
101
+ config: main
102
+ split: test
103
+ args:
104
+ num_few_shot: 5
105
+ metrics:
106
+ - type: acc
107
+ value: 0.0
108
+ name: accuracy
109
+ source:
110
+ url: https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard?query=TriadParty/deepmoney-34b-200k-base
111
+ name: Open LLM Leaderboard
112
  ---
113
  # **Deepmoney**
114
 
 
398
  2, 请你设计一套定量方法研究以上新闻对____业产生的影响。并据此说明具体需要使用哪些数据。
399
  3, 请根据以下数据,_____设计一套具体的定量方法定量分析以上新闻对____业产生的影响。
400
 
401
+ 其中,第一个问题是主观判断,提取新闻影响的标的。这更多的依赖模型的主观分析能力。然后从第一个回答中提取行业名称(这对于熟悉大模型的人来说,设计一套自动化流程易如反掌),填入第二个问题中,目的是获取定量分析的数据。之所以先问定量方法再数据,是COT的魔法。最后一个问题的回答才是我们真正需要的,这个问题上下文中给了足够多的信息,需要它回复一个确切且具体的定量方法。结合代码编写的模型和函数调用的模型,如果你有一个数据字典完善的宏微观数据库的话,这是完全可以实现的。以上是deepmoney和gpt4的这三步回答,该新闻是20240115北京时间早晨9:35刚刚发生的新闻。
402
+ # [Open LLM Leaderboard Evaluation Results](https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard)
403
+ Detailed results can be found [here](https://huggingface.co/datasets/open-llm-leaderboard/details_TriadParty__deepmoney-34b-200k-base)
404
+
405
+ | Metric |Value|
406
+ |---------------------------------|----:|
407
+ |Avg. |58.21|
408
+ |AI2 Reasoning Challenge (25-Shot)|63.99|
409
+ |HellaSwag (10-Shot) |83.87|
410
+ |MMLU (5-Shot) |74.04|
411
+ |TruthfulQA (0-shot) |45.93|
412
+ |Winogrande (5-shot) |81.45|
413
+ |GSM8k (5-shot) | 0.00|
414
+