{ "model": "qwen35-2b-full-sup-lr1e-6-s0", "adapter": null, "prompt": "jevify", "temperatures": { "choice": 0.9495, "score": 1.1244, "noul": 1.6135 }, "sources": [ "arc_challenge", "chaosnli", "helpsteer2_helpfulness", "helpsteer2_verbosity", "measuring_hate_speech", "mmlu", "mnli", "sst5", "stsb", "yelp5" ], "results": { "upper": { "raw": { "n": 1500, "acc": 0.5786666666666667, "ece": 0.046399315523436194 }, "tempered": { "n": 1500, "acc": 0.5786666666666667, "ece": 0.033596856523743654 } }, "shifted": { "raw": { "n": 1500, "acc": 0.582, "ece": 0.04633916388602869, "tvd_vs_upper": 0.03802583941918582, "flip_vs_upper": 0.04066666666666666, "pairs": 1500 }, "tempered": { "n": 1500, "acc": 0.582, "ece": 0.030315198551453044, "tvd_vs_upper": 0.03826754167980432, "flip_vs_upper": 0.04066666666666666, "pairs": 1500 } }, "lower": { "raw": { "n": 1500, "acc": 0.5766666666666667, "ece": 0.038167375909590795, "tvd_vs_upper": 0.030345140741522704, "flip_vs_upper": 0.03666666666666667, "pairs": 1500 }, "tempered": { "n": 1500, "acc": 0.5766666666666667, "ece": 0.035156435317768776, "tvd_vs_upper": 0.030902650345645155, "flip_vs_upper": 0.03666666666666667, "pairs": 1500 } }, "digits1": { "raw": { "n": 1500, "acc": 0.574, "ece": 0.02899253159527075, "tvd_vs_upper": 0.03861352908108545, "flip_vs_upper": 0.03266666666666666, "pairs": 1500 }, "tempered": { "n": 1500, "acc": 0.574, "ece": 0.02283267638824976, "tvd_vs_upper": 0.03844560783666896, "flip_vs_upper": 0.03266666666666666, "pairs": 1500 } }, "digits0": { "raw": { "n": 1500, "acc": 0.5646666666666667, "ece": 0.033233097386228705, "tvd_vs_upper": 0.06937201691824119, "flip_vs_upper": 0.059333333333333335, "pairs": 1500 }, "tempered": { "n": 1500, "acc": 0.5646666666666667, "ece": 0.032032537617249876, "tvd_vs_upper": 0.06952550713172606, "flip_vs_upper": 0.059333333333333335, "pairs": 1500 } }, "symbols": { "raw": { "n": 1500, "acc": 0.5673333333333334, "ece": 0.05086512162734857, "tvd_vs_upper": 0.07423161060593127, "flip_vs_upper": 0.072, "pairs": 1500 }, "tempered": { "n": 1500, "acc": 0.5673333333333334, "ece": 0.040984594374674554, "tvd_vs_upper": 0.07464792529999979, "flip_vs_upper": 0.072, "pairs": 1500 } } } }