Qwen3-8B-onpolicy-profiling-muon-20260413_090005/eval_20260417051759/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	0.5774111675126904	0.766497461928934	10612.370558375635	0.0	0.0	0.0
3	hmmt2025	0.31666666666666665	0.43333333333333335	18237.566666666666	0.0	0.0	0.0
4	aime2024	0.6802083333333333	0.9	14426.277083333332	0.0	0.0	0.0
5	aime2025	0.571875	0.8666666666666667	15452.192708333334	0.0	0.0	0.0
6	math500	0.7485	0.768	4490.75	0.0	0.0	0.0
7	minerva	0.3290441176470588	0.38235294117647056	6507.237132352941	0.0	0.0	0.0
8	overall	0.6000676132521975	0.6657223796033994	9346.815584854632	0.0	0.0	0.0