Tarefa qrdata_socsci.402

qrdata_socsciagentT2publicépoca 1, tentativa 1Execução: 20261015T170010Z-suite-qrdata_socsci-scripted-7912b3

Veredito

puladaPulada: falta um recurso que a tarefa exige.

Motivo: no reference path (coverage gap)

Pergunta feita ao analista

What is the average causal effect of becoming members of Parliament on the log net wealth for Tory candidates? The difference in predicted values at the point of discontinuity, i.e., a zero margin of victory, between the two regressions represents the average causal effect on personal wealth of serving as an MP. Please round the result to the nearest integer.

Valores esperados e de onde vêm

qrdata.gold.402

Fonte: QRData benchmark/QRData.json at de450af45ff7101b328bb064c6b475f73414a7ed (Xiao Liu, Zirui Wu, Xueqing Wu, Pan Lu, Kai-Wei Chang, Yansong Feng. Are LLMs Capable of Data-based Statistical and Causal Reasoning? Benchmarking Advanced Quantitative Reasoning with Data. Findings of the Association for Computational Linguistics: ACL 2024, pages 9215-9235.)
Tipo: benchmark_gold
Localização: QRData.json item 402 (0-based), field 'answer'
Trecho: item 402 answer 255051
Valor como publicado: 255051
Valor: 255.051255051
Conferido por: arquivo do benchmark
sha256 da cópia lida: e076d960f19434adf728aab70480ce34808c06066fcea48eaa38b145d1a111a1 (identifica a cópia lida, não um arquivo canônico)
Desvio conhecido: não conferido
The question asks the effect on log net wealth (0.650); the gold 255051 is the difference of exp(predicted ln.net) at a zero margin (255050.9), a level in pounds. Found by an independent statsmodels fit at the B-join review.
Endereço: https://raw.githubusercontent.com/xxxiaol/QRData/de450af45ff7101b328bb064c6b475f73414a7ed/benchmark/QRData.json
Licença: CC BY-NC 4.0

qrdata.eval_py

Fonte: QRData benchmark/eval.py at de450af45ff7101b328bb064c6b475f73414a7ed (Xiao Liu, Zirui Wu, Xueqing Wu, Pan Lu, Kai-Wei Chang, Yansong Feng. Are LLMs Capable of Data-based Statistical and Causal Reasoning? Benchmarking Advanced Quantitative Reasoning with Data. Findings of the Association for Computational Linguistics: ACL 2024, pages 9215-9235.)
Tipo: software
Localização: benchmark/eval.py: extract_first_number, calc_acc
Valor: —
Conferido por: arquivo do benchmark · Vendored byte for byte as suites/data/qrdata_socsci/vendor/benchmark_eval.py.txt; a parity test runs its functions against MAGI's port and the answer_figure_close check.
Implementação: independente da ferramenta
sha256 da cópia lida: d6e5c1f7535ac9413951996c15544beb6f184244acb2da56e1fcd0942837e33d (identifica a cópia lida, não um arquivo canônico)
Endereço: https://raw.githubusercontent.com/xxxiaol/QRData/de450af45ff7101b328bb064c6b475f73414a7ed/benchmark/eval.py
Licença: CC BY-NC 4.0

Verificações

Cada verificação, o que esperava, o que observou e a chamada que leu
#	Verificação	Obrigatória	Resultado	Esperado	Observado	Tolerância	Fonte	Chamada

Caminho de referência e caminho do agente

A chamada de referência ao lado da chamada que deu a resposta, argumento por argumento.

Nenhum caminho de referência registrado para esta tarefa.

Trajetória

Cada evento na ordem em que aconteceu: turnos do modelo, chamadas de ferramentas, guardas, transformações e pontuação.

Esta tentativa não tem trajetória publicada.

Épocas × verificações

Tentativas

Cada tentativa é seu próprio arquivo e é publicada; só a última de cada época é pontuada.

época 1, tentativa 1puladapontuada(exibindo)no reference path (coverage gap)

Downloads desta tarefa

Pacote da tarefa (.zip)

22,0 KB · sha256 b797980c55e35676c0bd24f4ced14fe607f224b70fef8a091405ea408416a9ef

O hash de um zip é só de transporte: o que ancora a integridade é o RUN_SHA256SUMS que vai dentro dele, cópia exata do SHA256SUMS da execução.

Downloads desta tarefa
Arquivo	Tamanho	sha256
native/qrdata_socsci/qrdata_socsci.402.e1.a1.json	201 B	`d43d7b98d89906a39c22e11c99a4905000cf7b87df18540c6b0c65e221060a68`
sources/qrdata.eval_py.json	1,3 KB	`d610b61f390d29ce767e08ce850eab5cb0dc4d13c1edb62d8cf3b0e49a3a291a`
sources/qrdata.gold.402.json	1,4 KB	`51b51ef1af5d83069ef0c35a3b2d9072ab0a7080d1475e7e063507c87a49f527`
specs/qrdata_socsci.402.json	4,5 KB	`9d957efcabbd33b26efb2af9b76b2287eb89861bd2c92ba55bbfb785262ea909`