Report inconclusive presentation pilot and prepare human adjudication
Assistant: codex Assistant-Model: gpt-6-astra Assistant-Session: 01a0cffe-206f-7323-89d3-b20ca4cf4bf9
This commit is contained in:
parent
3690af12a5
commit
629bc2e880
10 changed files with 932 additions and 3 deletions
369
research/evaluations/language-pilot-01/summary.json
Normal file
369
research/evaluations/language-pilot-01/summary.json
Normal file
|
|
@ -0,0 +1,369 @@
|
|||
{
|
||||
"preregistration_commit": "6acbe6d",
|
||||
"masked_scoring_commit": "3690af1",
|
||||
"independent_human_review": "pending",
|
||||
"interpretation": "exploratory descriptive counts only",
|
||||
"score_sha256": "d7d7fa0b688f5db93709821a076157acb2723791c99736fc296f08e1627b73b9",
|
||||
"conditions": {
|
||||
"patterns": {
|
||||
"completed": 6,
|
||||
"failed": 0,
|
||||
"requirements_met": 21,
|
||||
"requirements_possible": 24,
|
||||
"criteria_met": {
|
||||
"C1": 5,
|
||||
"C2": 6,
|
||||
"R": 5,
|
||||
"Q": 5
|
||||
},
|
||||
"unsupported_claims": 2,
|
||||
"calls": 6,
|
||||
"prompt_tokens": 6297,
|
||||
"completion_tokens": 1137,
|
||||
"total_tokens": 7434,
|
||||
"elapsed_seconds": 11.997,
|
||||
"provider_reported_cost_usd": 0.0047316,
|
||||
"over_requested_word_limit": 1,
|
||||
"resolved_models": [
|
||||
"google/gemini-2.5-flash"
|
||||
],
|
||||
"answers": [
|
||||
{
|
||||
"answer": "S01-U",
|
||||
"run": "r01",
|
||||
"met": 4,
|
||||
"unsupported": 0,
|
||||
"criteria": {
|
||||
"C1": 1,
|
||||
"C2": 1,
|
||||
"R": 1,
|
||||
"Q": 1
|
||||
}
|
||||
},
|
||||
{
|
||||
"answer": "S02-V",
|
||||
"run": "r04",
|
||||
"met": 4,
|
||||
"unsupported": 0,
|
||||
"criteria": {
|
||||
"C1": 1,
|
||||
"C2": 1,
|
||||
"R": 1,
|
||||
"Q": 1
|
||||
}
|
||||
},
|
||||
{
|
||||
"answer": "S03-V",
|
||||
"run": "r05",
|
||||
"met": 3,
|
||||
"unsupported": 1,
|
||||
"criteria": {
|
||||
"C1": 1,
|
||||
"C2": 1,
|
||||
"R": 0,
|
||||
"Q": 1
|
||||
}
|
||||
},
|
||||
{
|
||||
"answer": "S04-U",
|
||||
"run": "r08",
|
||||
"met": 4,
|
||||
"unsupported": 0,
|
||||
"criteria": {
|
||||
"C1": 1,
|
||||
"C2": 1,
|
||||
"R": 1,
|
||||
"Q": 1
|
||||
}
|
||||
},
|
||||
{
|
||||
"answer": "S05-V",
|
||||
"run": "r09",
|
||||
"met": 3,
|
||||
"unsupported": 0,
|
||||
"criteria": {
|
||||
"C1": 0,
|
||||
"C2": 1,
|
||||
"R": 1,
|
||||
"Q": 1
|
||||
}
|
||||
},
|
||||
{
|
||||
"answer": "S06-V",
|
||||
"run": "r12",
|
||||
"met": 3,
|
||||
"unsupported": 1,
|
||||
"criteria": {
|
||||
"C1": 1,
|
||||
"C2": 1,
|
||||
"R": 1,
|
||||
"Q": 0
|
||||
}
|
||||
}
|
||||
],
|
||||
"missed_requirements": 3
|
||||
},
|
||||
"prose": {
|
||||
"completed": 6,
|
||||
"failed": 0,
|
||||
"requirements_met": 19,
|
||||
"requirements_possible": 24,
|
||||
"criteria_met": {
|
||||
"C1": 5,
|
||||
"C2": 6,
|
||||
"R": 3,
|
||||
"Q": 5
|
||||
},
|
||||
"unsupported_claims": 2,
|
||||
"calls": 6,
|
||||
"prompt_tokens": 6051,
|
||||
"completion_tokens": 1192,
|
||||
"total_tokens": 7243,
|
||||
"elapsed_seconds": 11.317,
|
||||
"provider_reported_cost_usd": 0.0047953,
|
||||
"over_requested_word_limit": 0,
|
||||
"resolved_models": [
|
||||
"google/gemini-2.5-flash"
|
||||
],
|
||||
"answers": [
|
||||
{
|
||||
"answer": "S01-V",
|
||||
"run": "r02",
|
||||
"met": 3,
|
||||
"unsupported": 1,
|
||||
"criteria": {
|
||||
"C1": 1,
|
||||
"C2": 1,
|
||||
"R": 0,
|
||||
"Q": 1
|
||||
}
|
||||
},
|
||||
{
|
||||
"answer": "S02-U",
|
||||
"run": "r03",
|
||||
"met": 4,
|
||||
"unsupported": 0,
|
||||
"criteria": {
|
||||
"C1": 1,
|
||||
"C2": 1,
|
||||
"R": 1,
|
||||
"Q": 1
|
||||
}
|
||||
},
|
||||
{
|
||||
"answer": "S03-U",
|
||||
"run": "r06",
|
||||
"met": 3,
|
||||
"unsupported": 1,
|
||||
"criteria": {
|
||||
"C1": 1,
|
||||
"C2": 1,
|
||||
"R": 0,
|
||||
"Q": 1
|
||||
}
|
||||
},
|
||||
{
|
||||
"answer": "S04-V",
|
||||
"run": "r07",
|
||||
"met": 3,
|
||||
"unsupported": 0,
|
||||
"criteria": {
|
||||
"C1": 1,
|
||||
"C2": 1,
|
||||
"R": 0,
|
||||
"Q": 1
|
||||
}
|
||||
},
|
||||
{
|
||||
"answer": "S05-U",
|
||||
"run": "r10",
|
||||
"met": 3,
|
||||
"unsupported": 0,
|
||||
"criteria": {
|
||||
"C1": 0,
|
||||
"C2": 1,
|
||||
"R": 1,
|
||||
"Q": 1
|
||||
}
|
||||
},
|
||||
{
|
||||
"answer": "S06-U",
|
||||
"run": "r11",
|
||||
"met": 3,
|
||||
"unsupported": 0,
|
||||
"criteria": {
|
||||
"C1": 1,
|
||||
"C2": 1,
|
||||
"R": 1,
|
||||
"Q": 0
|
||||
}
|
||||
}
|
||||
],
|
||||
"missed_requirements": 5
|
||||
}
|
||||
},
|
||||
"pairs": {
|
||||
"S01": {
|
||||
"patterns": {
|
||||
"answer": "S01-U",
|
||||
"run": "r01",
|
||||
"met": 4,
|
||||
"unsupported": 0,
|
||||
"criteria": {
|
||||
"C1": 1,
|
||||
"C2": 1,
|
||||
"R": 1,
|
||||
"Q": 1
|
||||
}
|
||||
},
|
||||
"prose": {
|
||||
"answer": "S01-V",
|
||||
"run": "r02",
|
||||
"met": 3,
|
||||
"unsupported": 1,
|
||||
"criteria": {
|
||||
"C1": 1,
|
||||
"C2": 1,
|
||||
"R": 0,
|
||||
"Q": 1
|
||||
}
|
||||
},
|
||||
"descriptive_advantage": "patterns"
|
||||
},
|
||||
"S02": {
|
||||
"prose": {
|
||||
"answer": "S02-U",
|
||||
"run": "r03",
|
||||
"met": 4,
|
||||
"unsupported": 0,
|
||||
"criteria": {
|
||||
"C1": 1,
|
||||
"C2": 1,
|
||||
"R": 1,
|
||||
"Q": 1
|
||||
}
|
||||
},
|
||||
"patterns": {
|
||||
"answer": "S02-V",
|
||||
"run": "r04",
|
||||
"met": 4,
|
||||
"unsupported": 0,
|
||||
"criteria": {
|
||||
"C1": 1,
|
||||
"C2": 1,
|
||||
"R": 1,
|
||||
"Q": 1
|
||||
}
|
||||
},
|
||||
"descriptive_advantage": "tie"
|
||||
},
|
||||
"S03": {
|
||||
"patterns": {
|
||||
"answer": "S03-V",
|
||||
"run": "r05",
|
||||
"met": 3,
|
||||
"unsupported": 1,
|
||||
"criteria": {
|
||||
"C1": 1,
|
||||
"C2": 1,
|
||||
"R": 0,
|
||||
"Q": 1
|
||||
}
|
||||
},
|
||||
"prose": {
|
||||
"answer": "S03-U",
|
||||
"run": "r06",
|
||||
"met": 3,
|
||||
"unsupported": 1,
|
||||
"criteria": {
|
||||
"C1": 1,
|
||||
"C2": 1,
|
||||
"R": 0,
|
||||
"Q": 1
|
||||
}
|
||||
},
|
||||
"descriptive_advantage": "tie"
|
||||
},
|
||||
"S04": {
|
||||
"prose": {
|
||||
"answer": "S04-V",
|
||||
"run": "r07",
|
||||
"met": 3,
|
||||
"unsupported": 0,
|
||||
"criteria": {
|
||||
"C1": 1,
|
||||
"C2": 1,
|
||||
"R": 0,
|
||||
"Q": 1
|
||||
}
|
||||
},
|
||||
"patterns": {
|
||||
"answer": "S04-U",
|
||||
"run": "r08",
|
||||
"met": 4,
|
||||
"unsupported": 0,
|
||||
"criteria": {
|
||||
"C1": 1,
|
||||
"C2": 1,
|
||||
"R": 1,
|
||||
"Q": 1
|
||||
}
|
||||
},
|
||||
"descriptive_advantage": "patterns"
|
||||
},
|
||||
"S05": {
|
||||
"patterns": {
|
||||
"answer": "S05-V",
|
||||
"run": "r09",
|
||||
"met": 3,
|
||||
"unsupported": 0,
|
||||
"criteria": {
|
||||
"C1": 0,
|
||||
"C2": 1,
|
||||
"R": 1,
|
||||
"Q": 1
|
||||
}
|
||||
},
|
||||
"prose": {
|
||||
"answer": "S05-U",
|
||||
"run": "r10",
|
||||
"met": 3,
|
||||
"unsupported": 0,
|
||||
"criteria": {
|
||||
"C1": 0,
|
||||
"C2": 1,
|
||||
"R": 1,
|
||||
"Q": 1
|
||||
}
|
||||
},
|
||||
"descriptive_advantage": "tie"
|
||||
},
|
||||
"S06": {
|
||||
"prose": {
|
||||
"answer": "S06-U",
|
||||
"run": "r11",
|
||||
"met": 3,
|
||||
"unsupported": 0,
|
||||
"criteria": {
|
||||
"C1": 1,
|
||||
"C2": 1,
|
||||
"R": 1,
|
||||
"Q": 0
|
||||
}
|
||||
},
|
||||
"patterns": {
|
||||
"answer": "S06-V",
|
||||
"run": "r12",
|
||||
"met": 3,
|
||||
"unsupported": 1,
|
||||
"criteria": {
|
||||
"C1": 1,
|
||||
"C2": 1,
|
||||
"R": 1,
|
||||
"Q": 0
|
||||
}
|
||||
},
|
||||
"descriptive_advantage": "prose"
|
||||
}
|
||||
}
|
||||
}
|
||||
Loading…
Add table
Add a link
Reference in a new issue