Qwen3-8B-onpolicy-profiling-adam-20260403_091551/eval_20260409163705/step03_final_eval.csv

1	task	avg_k	pass_k	avg_total_tokens	avg_thinking_tokens	max_thinking_tokens	min_thinking_tokens
2	gpqa_diamond	0.5812182741116751	0.7614213197969543	10732.243654822336	0.0	0.0	0.0
3	hmmt2025	0.375	0.5333333333333333	18450.008333333335	0.0	0.0	0.0
4	aime2024	0.7020833333333333	0.9333333333333333	13840.913541666667	0.0	0.0	0.0
5	aime2025	0.6010416666666667	0.8666666666666667	15299.15	0.0	0.0	0.0
6	math500	0.952	0.98	4403.267	0.0	0.0	0.0
7	minerva	0.484375	0.5661764705882353	6378.409007352941	0.0	0.0	0.0
8	overall	0.7074036511156186	0.8158640226628895	9194.001521298174	0.0	0.0	0.0