📊 Evaluation Leaderboard

This leaderboard displays evaluation results from JSON files in eval_results/.


luckeciano/Qwen-2.5-7B-Embedding-Entropy-0.45-Missing-Response	0.06666666666666667	0.046320555585310084	0.22727272727272727	0.033586181457325254	0.566	0.022162634426652835	0.24131313131313128	0.042682699576711225


Qwen/Qwen2.5-Math-1.5B	0.06666666666666667	0.046320555585310084	0.22727272727272727	0.02985751567338641	0.43	0.022162634426652835	0.24131313131313128	0.03278023522844978
Qwen/Qwen2.5-Math-7B	0.3333333333333333	0.0875376219064817	0.2878787878787879	0.03225883512300993	0.566	0.022187215803029004	0.3957373737373737	0.04732789094417355
luckeciano/Qwen-2.5-1.5B-Simple-RL	0.06666666666666667	0.046320555585310084	0.3333333333333333	0.033586181457325254	0.598	0.021948929609938612	0.33266666666666667	0.03395188888419132
luckeciano/Qwen-2.5-7B-Answer-Entropy-RL-0.1	0.16666666666666666	0.06920456654478331	0.2828282828282828	0.03208779558786751	0.728	0.019920483209566072	0.3924983164983165	0.04040428178073897
luckeciano/Qwen-2.5-7B-Answer-Entropy-RL-0.4	0.2	0.07427813527082075	0.3282828282828283	0.03345678422756776	0.71	0.02031317923174518	0.4127609427609427	0.042682699576711225
luckeciano/Qwen-2.5-7B-Embedding-Entropy-0.45-Missing-Response	0.23333333333333334	0.07854032324531728	0.3383838383838384	0.03371124142626302	0.716	0.020186703693570854	0.42923905723905725	0.044146089455050386
luckeciano/Qwen-2.5-7B-Embedding-Entropy-RL-0.1	0.16666666666666666	0.06920456654478331	0.30808080808080807	0.03289477330098615	0.71	0.020313179231745197	0.3949158249158249	0.04080417302583822
luckeciano/Qwen-2.5-7B-Embedding-Entropy-RL-0.25	0.23333333333333334	0.07854032324531728	0.29797979797979796	0.03258630383836556	0.71	0.020313179231745186	0.4137710437710438	0.04381326877180935
luckeciano/Qwen-2.5-7B-Embedding-Entropy-RL-Len-Penalty	0.36666666666666664	0.08948554539839962	0.3434343434343434	0.03383201223244442	0.748	0.019435727282249515	0.48603367003367004	0.04758442830436452
luckeciano/Qwen-2.5-7B-Len-Penalty-Baseline	0.2	0.07427813527082075	0.25252525252525254	0.030954055470365897	0.66	0.021206117013673066	0.3708417508417508	0.042146102584953236
luckeciano/Qwen-2.5-7B-Len-Penalty-Baseline-v2	0.26666666666666666	0.0821175682735253	0.35353535353535354	0.03406086723547153	0.694	0.02062956999834541	0.43806734006734005	0.04560266850244742
luckeciano/Qwen-2.5-7B-Missing-Response-RL-Baseline	0.26666666666666666	0.0821175682735253	0.2777777777777778	0.031911782267135466	0.758	0.019173085678337164	0.43414814814814817	0.04440081207299931
luckeciano/Qwen-2.5-7B-RL-AC-BigLRv3	0.13333333333333333	0.0631242768631999	0.16666666666666666	0.026552207828215286	0.71	0.020313179231745186	0.33666666666666667	0.03666322130772012
luckeciano/Qwen-2.5-7B-RL-AC-BigLRv3-Fast-4	0.3	0.08509629433967632	0.30808080808080807	0.032894773300986155	0.714	0.020229346329177528	0.44069360269360264	0.04607347132328
luckeciano/Qwen-2.5-7B-RL-AC-BigLRv3-Fast-4-v3-AdamEps6	0.2	0.07427813527082075	0.30808080808080807	0.032894773300986155	0.744	0.01953692357474761	0.4173602693602694	0.04223661071551817
luckeciano/Qwen-2.5-7B-Simple-RL	0.16666666666666666	0.06920456654478328	0.32323232323232326	0.03332299921070644	0.712	0.02027150383507522	0.4006329966329966	0.04093302319685498
s-a-malik/Qwen-2.5-1.5B-Embedding-Entropy-RL-1	0.03333333333333333	0.033333333333333326	0.24242424242424243	0.03053289223393202	0.476	0.022357273881016403	0.2505858585858586	0.028741166482760584
s-a-malik/Qwen-2.5-7B-Embedding-Entropy-RL	0.23333333333333334	0.07854032324531728	0.35353535353535354	0.03406086723547153	0.7	0.020514426225628043	0.428956228956229	0.04437187223547229
s-a-malik/Qwen-2.5-7B-Embedding-Entropy-RL-0.025	0.13333333333333333	0.06312427686319991	0.25757575757575757	0.031156269519646836	0.718	0.020143572847290795	0.3696363636363636	0.03814137307671251
s-a-malik/Qwen-2.5-7B-Embedding-Entropy-RL-0.4-last-5	0.23333333333333334	0.07854032324531728	0.30303030303030304	0.03274287914026865	0.684	0.020812359515855857	0.40678787878787875	0.04403185396714726
s-a-malik/Qwen-2.5-7B-Embedding-Entropy-RL-1	0.16666666666666666	0.06920456654478328	0.3181818181818182	0.033184773338453315	0.634	0.02156427685020162	0.3729494949494949	0.04131787224447941
s-a-malik/Qwen-2.5-7B-Embedding-Entropy-RL-last-5	0.26666666666666666	0.08211756827352527	0.3383838383838384	0.033711241426263014	0.696	0.020591649571224932	0.43368350168350167	0.04547348642367107
s-a-malik/Qwen-2.5-7B-Token-Entropy-RL	0.2	0.07427813527082075	0.24242424242424243	0.03053289223393202	0.636	0.02153917063731769	0.3594747474747475	0.04211673271402349