bermaneh/pde-mc-logprob-results-v3
收藏官方服务：
资源简介：
该数据集用于多选（MC）对数概率评估，包含10个模型的评估结果，基于v3数据集（128行，8种条件）。数据集包括8个对数概率模型以及QwQ和DeepSeek文本提取模型的结果。数据集共有12816行和19列，涵盖了标题、PDE类别、模型类型、问题类型、候选答案、字母选项、正确答案字母、各选项的对数概率、预测字母、是否正确、正确对数概率、边际值、熵、完成原因和评分方法等信息。
MC logprob eval: 10 models, v3 dataset (128 rows, 8 conditions). 8 logprob models + QwQ text-extraction + DeepSeek text-extraction. Final artifact.
提供机构：
bermaneh
