quantitative_master_overview/evidence_summary_table.md

Master Evidence Summary Table

optimisation/claude-opus-4.6_optimization_all_abms_chain/06_quantitative_smoke_latest

author

Evidence	ABM	Avg BLEU	Avg METEOR	Avg R-1	Avg R-2	Avg R-L	Avg Reading ease	Best BLEU	Best METEOR	Best R-1	Best R-2	Best R-L	Best Reading ease
plot	fauna	0.02	0.27	0.35	0.07	0.14	30.34	0.04	0.32	0.44	0.11	0.19	41.04
plot	grazing	0.02	0.27	0.41	0.10	0.17	28.01	0.04	0.29	0.49	0.14	0.20	42.75
plot	milk_consumption	0.06	0.29	0.47	0.16	0.19	31.46	0.10	0.32	0.58	0.22	0.24	47.16

gpt5.2_long

Evidence	ABM	Avg BLEU	Avg METEOR	Avg R-1	Avg R-2	Avg R-L	Avg Reading ease	Best BLEU	Best METEOR	Best R-1	Best R-2	Best R-L	Best Reading ease
plot	fauna	0.03	0.31	0.37	0.15	0.17	33.72	0.03	0.31	0.38	0.15	0.17	34.86
plot	grazing	0.03	0.33	0.43	0.19	0.20	33.20	0.03	0.33	0.44	0.19	0.20	33.48
plot	milk_consumption	0.04	0.32	0.40	0.18	0.17	33.96	0.04	0.32	0.41	0.18	0.17	35.00

gpt5.2_short

Evidence	ABM	Avg BLEU	Avg METEOR	Avg R-1	Avg R-2	Avg R-L	Avg Reading ease	Best BLEU	Best METEOR	Best R-1	Best R-2	Best R-L	Best Reading ease
plot	fauna	0.03	0.27	0.42	0.10	0.15	30.34	0.05	0.29	0.51	0.13	0.18	41.04
plot	grazing	0.02	0.24	0.46	0.10	0.15	28.01	0.04	0.29	0.51	0.12	0.17	42.75
plot	milk_consumption	0.04	0.28	0.48	0.14	0.18	31.46	0.07	0.30	0.56	0.19	0.22	47.16

modeler

Evidence	ABM	Avg BLEU	Avg METEOR	Avg R-1	Avg R-2	Avg R-L	Avg Reading ease	Best BLEU	Best METEOR	Best R-1	Best R-2	Best R-L	Best Reading ease
plot	fauna	0.03	0.26	0.44	0.09	0.16	30.34	0.06	0.30	0.55	0.13	0.20	41.04
plot	grazing	0.01	0.20	0.38	0.08	0.14	28.01	0.02	0.27	0.43	0.10	0.16	42.75
plot	milk_consumption	0.04	0.26	0.45	0.14	0.17	31.46	0.07	0.29	0.54	0.18	0.21	47.16

optimisation/gemini-3.1-pro-preview_optimization_all_abms_chain/06_quantitative_smoke_latest

author

Evidence	ABM	Avg BLEU	Avg METEOR	Avg R-1	Avg R-2	Avg R-L	Avg Reading ease	Best BLEU	Best METEOR	Best R-1	Best R-2	Best R-L	Best Reading ease
plot	fauna	0.02	0.25	0.40	0.08	0.17	17.14	0.03	0.29	0.47	0.11	0.20	28.28
plot	grazing	0.01	0.20	0.39	0.10	0.17	18.90	0.02	0.27	0.44	0.12	0.20	37.27
plot	milk_consumption	0.04	0.20	0.44	0.14	0.19	23.89	0.08	0.32	0.57	0.20	0.24	49.25

gpt5.2_long

Evidence	ABM	Avg BLEU	Avg METEOR	Avg R-1	Avg R-2	Avg R-L	Avg Reading ease	Best BLEU	Best METEOR	Best R-1	Best R-2	Best R-L	Best Reading ease
plot	fauna	0.04	0.30	0.56	0.19	0.24	25.30	0.04	0.30	0.57	0.20	0.24	25.81
plot	grazing	0.05	0.30	0.60	0.23	0.26	26.03	0.05	0.30	0.61	0.23	0.26	28.07
plot	milk_consumption	0.06	0.30	0.58	0.20	0.22	28.06	0.07	0.31	0.58	0.20	0.22	29.30

gpt5.2_short

Evidence	ABM	Avg BLEU	Avg METEOR	Avg R-1	Avg R-2	Avg R-L	Avg Reading ease	Best BLEU	Best METEOR	Best R-1	Best R-2	Best R-L	Best Reading ease
plot	fauna	0.02	0.22	0.44	0.09	0.17	17.14	0.03	0.29	0.46	0.10	0.18	28.28
plot	grazing	0.01	0.16	0.37	0.08	0.14	18.90	0.03	0.25	0.48	0.11	0.17	37.27
plot	milk_consumption	0.01	0.17	0.38	0.10	0.15	23.89	0.02	0.27	0.48	0.12	0.17	49.25

modeler

Evidence	ABM	Avg BLEU	Avg METEOR	Avg R-1	Avg R-2	Avg R-L	Avg Reading ease	Best BLEU	Best METEOR	Best R-1	Best R-2	Best R-L	Best Reading ease
plot	fauna	0.01	0.17	0.39	0.08	0.16	17.14	0.02	0.28	0.49	0.10	0.17	28.28
plot	grazing	0.01	0.11	0.27	0.06	0.12	18.90	0.02	0.19	0.37	0.07	0.14	37.27
plot	milk_consumption	0.02	0.16	0.38	0.11	0.16	23.89	0.03	0.23	0.41	0.12	0.18	49.25

screening/eval_qwen_kimi

author

Evidence	ABM	Avg BLEU	Avg METEOR	Avg R-1	Avg R-2	Avg R-L	Avg Reading ease	Best BLEU	Best METEOR	Best R-1	Best R-2	Best R-L	Best Reading ease
plot	fauna	0.02	0.22	0.38	0.07	0.15	16.16	0.05	0.30	0.48	0.13	0.20	43.59
plot	grazing	0.02	0.20	0.40	0.09	0.17	22.71	0.05	0.33	0.52	0.17	0.22	72.71
plot	milk_consumption	0.03	0.19	0.41	0.12	0.18	23.62	0.10	0.33	0.62	0.21	0.26	62.80
table	fauna	0.01	0.22	0.34	0.05	0.14	10.66	0.03	0.28	0.44	0.09	0.19	45.08
table	grazing	0.02	0.20	0.38	0.08	0.16	19.43	0.04	0.29	0.50	0.13	0.21	63.36
table	milk_consumption	0.03	0.20	0.41	0.11	0.18	21.34	0.07	0.33	0.57	0.18	0.24	65.11
plot+table	fauna	0.01	0.22	0.36	0.06	0.15	18.32	0.04	0.30	0.47	0.11	0.20	46.36
plot+table	grazing	0.02	0.21	0.39	0.09	0.17	20.58	0.05	0.32	0.51	0.16	0.24	58.56
plot+table	milk_consumption	0.03	0.20	0.41	0.11	0.18	26.74	0.10	0.33	0.59	0.19	0.24	70.81

gpt5.2_long

Evidence	ABM	Avg BLEU	Avg METEOR	Avg R-1	Avg R-2	Avg R-L	Avg Reading ease	Best BLEU	Best METEOR	Best R-1	Best R-2	Best R-L	Best Reading ease
plot	fauna	0.05	0.29	0.57	0.19	0.24	23.86	0.07	0.32	0.63	0.24	0.29	44.93
plot	grazing	0.05	0.29	0.59	0.21	0.25	30.35	0.07	0.32	0.64	0.24	0.29	59.42
plot	milk_consumption	0.06	0.28	0.57	0.21	0.23	28.27	0.09	0.31	0.63	0.24	0.28	49.01
table	fauna	0.03	0.27	0.47	0.14	0.19	21.94	0.04	0.30	0.55	0.18	0.23	38.76
table	grazing	0.04	0.27	0.53	0.17	0.21	24.88	0.06	0.30	0.56	0.20	0.25	44.14
table	milk_consumption	0.05	0.28	0.51	0.16	0.19	24.55	0.07	0.30	0.57	0.19	0.23	42.76
plot+table	fauna	0.04	0.28	0.52	0.16	0.21	25.20	0.06	0.31	0.60	0.21	0.27	42.91
plot+table	grazing	0.04	0.28	0.55	0.18	0.22	30.03	0.07	0.31	0.59	0.22	0.26	58.57
plot+table	milk_consumption	0.05	0.28	0.54	0.18	0.21	30.32	0.08	0.31	0.61	0.21	0.25	50.16

gpt5.2_short

Evidence	ABM	Avg BLEU	Avg METEOR	Avg R-1	Avg R-2	Avg R-L	Avg Reading ease	Best BLEU	Best METEOR	Best R-1	Best R-2	Best R-L	Best Reading ease
plot	fauna	0.02	0.19	0.40	0.08	0.15	16.16	0.05	0.30	0.50	0.13	0.21	43.59
plot	grazing	0.01	0.16	0.39	0.07	0.14	22.71	0.03	0.28	0.54	0.13	0.20	72.71
plot	milk_consumption	0.02	0.17	0.37	0.10	0.16	23.62	0.07	0.30	0.54	0.18	0.23	62.80
table	fauna	0.02	0.20	0.38	0.07	0.14	10.66	0.05	0.28	0.47	0.12	0.18	45.08
table	grazing	0.01	0.16	0.37	0.07	0.13	19.43	0.03	0.26	0.49	0.12	0.17	63.36
table	milk_consumption	0.02	0.17	0.37	0.08	0.15	21.34	0.06	0.29	0.50	0.13	0.19	65.11
plot+table	fauna	0.02	0.20	0.39	0.07	0.15	18.32	0.05	0.30	0.49	0.12	0.19	46.36
plot+table	grazing	0.01	0.16	0.37	0.07	0.13	20.58	0.03	0.28	0.51	0.12	0.18	58.56
plot+table	milk_consumption	0.02	0.17	0.38	0.09	0.15	26.74	0.06	0.29	0.54	0.14	0.22	70.81

modeler

Evidence	ABM	Avg BLEU	Avg METEOR	Avg R-1	Avg R-2	Avg R-L	Avg Reading ease	Best BLEU	Best METEOR	Best R-1	Best R-2	Best R-L	Best Reading ease
plot	fauna	0.02	0.16	0.35	0.07	0.15	16.16	0.07	0.30	0.52	0.14	0.21	43.59
plot	grazing	0.00	0.12	0.29	0.05	0.12	22.71	0.02	0.23	0.45	0.10	0.16	72.71
plot	milk_consumption	0.02	0.17	0.37	0.10	0.16	23.62	0.06	0.29	0.53	0.17	0.22	62.80
table	fauna	0.01	0.17	0.35	0.06	0.15	10.66	0.04	0.29	0.47	0.10	0.19	45.08
table	grazing	0.00	0.12	0.29	0.04	0.12	19.43	0.01	0.23	0.42	0.08	0.16	63.36
table	milk_consumption	0.02	0.17	0.35	0.09	0.15	21.34	0.06	0.29	0.45	0.13	0.20	65.11
plot+table	fauna	0.02	0.17	0.36	0.07	0.16	18.32	0.05	0.29	0.49	0.12	0.21	46.36
plot+table	grazing	0.00	0.12	0.29	0.05	0.12	20.58	0.02	0.24	0.41	0.10	0.16	58.56
plot+table	milk_consumption	0.02	0.17	0.37	0.09	0.16	26.74	0.07	0.28	0.49	0.16	0.21	70.81

screening/kimi-k2.5_all_abms_chain/06_quantitative_smoke_latest

author

Evidence	ABM	Avg BLEU	Avg METEOR	Avg R-1	Avg R-2	Avg R-L	Avg Reading ease	Best BLEU	Best METEOR	Best R-1	Best R-2	Best R-L	Best Reading ease
plot	fauna	0.01	0.24	0.37	0.06	0.14	9.13	0.05	0.29	0.48	0.13	0.20	29.08
plot	grazing	0.02	0.20	0.38	0.08	0.16	6.69	0.03	0.30	0.49	0.15	0.21	32.23
plot	milk_consumption	0.03	0.21	0.42	0.11	0.18	11.84	0.09	0.33	0.53	0.21	0.26	42.88
table	fauna	0.01	0.23	0.34	0.05	0.13	-1.15	0.02	0.28	0.44	0.09	0.18	29.32
table	grazing	0.02	0.20	0.38	0.07	0.15	5.55	0.04	0.28	0.50	0.13	0.21	44.10
table	milk_consumption	0.03	0.21	0.41	0.11	0.17	9.72	0.07	0.33	0.51	0.18	0.24	39.66
plot+table	fauna	0.01	0.24	0.35	0.06	0.13	12.74	0.03	0.30	0.47	0.11	0.19	37.49
plot+table	grazing	0.02	0.21	0.38	0.07	0.15	3.53	0.04	0.29	0.49	0.12	0.24	36.08
plot+table	milk_consumption	0.03	0.22	0.43	0.11	0.18	16.44	0.07	0.32	0.56	0.17	0.23	47.49

gpt5.2_long

Evidence	ABM	Avg BLEU	Avg METEOR	Avg R-1	Avg R-2	Avg R-L	Avg Reading ease	Best BLEU	Best METEOR	Best R-1	Best R-2	Best R-L	Best Reading ease
plot	fauna	0.03	0.31	0.52	0.17	0.20	12.55	0.05	0.32	0.59	0.21	0.25	21.75
plot	grazing	0.03	0.31	0.58	0.20	0.22	16.85	0.05	0.32	0.64	0.24	0.26	25.43
plot	milk_consumption	0.05	0.30	0.54	0.20	0.21	15.73	0.08	0.31	0.61	0.23	0.24	26.45
table	fauna	0.02	0.28	0.43	0.13	0.16	11.61	0.03	0.30	0.48	0.16	0.20	17.07
table	grazing	0.03	0.29	0.51	0.16	0.19	12.29	0.04	0.30	0.56	0.20	0.23	21.73
table	milk_consumption	0.04	0.29	0.48	0.15	0.18	13.93	0.05	0.30	0.53	0.18	0.20	21.95
plot+table	fauna	0.03	0.30	0.47	0.14	0.18	16.07	0.04	0.31	0.53	0.17	0.22	27.90
plot+table	grazing	0.03	0.30	0.53	0.18	0.19	16.40	0.05	0.31	0.59	0.22	0.25	22.83
plot+table	milk_consumption	0.04	0.29	0.51	0.18	0.19	19.94	0.06	0.31	0.57	0.20	0.22	28.04

gpt5.2_short

Evidence	ABM	Avg BLEU	Avg METEOR	Avg R-1	Avg R-2	Avg R-L	Avg Reading ease	Best BLEU	Best METEOR	Best R-1	Best R-2	Best R-L	Best Reading ease
plot	fauna	0.02	0.21	0.41	0.07	0.15	9.13	0.05	0.30	0.50	0.13	0.21	29.08
plot	grazing	0.01	0.17	0.40	0.07	0.14	6.69	0.02	0.28	0.53	0.13	0.17	32.23
plot	milk_consumption	0.02	0.18	0.39	0.10	0.16	11.84	0.06	0.30	0.54	0.15	0.23	42.88
table	fauna	0.02	0.21	0.38	0.06	0.14	-1.15	0.05	0.28	0.47	0.12	0.18	29.32
table	grazing	0.01	0.17	0.37	0.06	0.13	5.55	0.03	0.26	0.49	0.10	0.17	44.10
table	milk_consumption	0.02	0.19	0.38	0.08	0.15	9.72	0.05	0.29	0.46	0.13	0.19	39.66
plot+table	fauna	0.02	0.22	0.40	0.07	0.14	12.74	0.05	0.29	0.49	0.11	0.19	37.49
plot+table	grazing	0.01	0.17	0.38	0.07	0.13	3.53	0.03	0.28	0.51	0.11	0.17	36.08
plot+table	milk_consumption	0.02	0.19	0.40	0.09	0.15	16.44	0.04	0.29	0.50	0.13	0.19	47.49

modeler

Evidence	ABM	Avg BLEU	Avg METEOR	Avg R-1	Avg R-2	Avg R-L	Avg Reading ease	Best BLEU	Best METEOR	Best R-1	Best R-2	Best R-L	Best Reading ease
plot	fauna	0.02	0.18	0.37	0.07	0.15	9.13	0.04	0.30	0.47	0.11	0.20	29.08
plot	grazing	0.01	0.13	0.29	0.05	0.12	6.69	0.02	0.23	0.41	0.09	0.15	32.23
plot	milk_consumption	0.03	0.19	0.38	0.11	0.16	11.84	0.06	0.29	0.48	0.17	0.22	42.88
table	fauna	0.01	0.18	0.35	0.05	0.14	-1.15	0.04	0.28	0.45	0.10	0.19	29.32
table	grazing	0.01	0.13	0.30	0.04	0.12	5.55	0.01	0.23	0.40	0.08	0.16	44.10
table	milk_consumption	0.02	0.19	0.36	0.09	0.15	9.72	0.05	0.29	0.43	0.13	0.20	39.66
plot+table	fauna	0.02	0.19	0.38	0.07	0.16	12.74	0.04	0.29	0.46	0.11	0.19	37.49
plot+table	grazing	0.01	0.13	0.30	0.05	0.12	3.53	0.02	0.24	0.40	0.10	0.15	36.08
plot+table	milk_consumption	0.03	0.20	0.38	0.10	0.16	16.44	0.07	0.28	0.47	0.16	0.21	47.49

screening/qwen3.5-27b_openrouter_all_abms_chain/06_quantitative_smoke_latest

author

Evidence	ABM	Avg BLEU	Avg METEOR	Avg R-1	Avg R-2	Avg R-L	Avg Reading ease	Best BLEU	Best METEOR	Best R-1	Best R-2	Best R-L	Best Reading ease
plot	fauna	0.02	0.21	0.39	0.08	0.16	23.19	0.04	0.30	0.46	0.12	0.20	43.59
plot	grazing	0.02	0.21	0.42	0.11	0.18	38.74	0.05	0.33	0.52	0.17	0.22	72.71
plot	milk_consumption	0.03	0.17	0.40	0.13	0.18	35.40	0.10	0.32	0.62	0.21	0.25	62.80
table	fauna	0.01	0.21	0.35	0.06	0.15	22.47	0.03	0.28	0.43	0.09	0.19	45.08
table	grazing	0.02	0.20	0.39	0.09	0.17	33.30	0.03	0.29	0.49	0.13	0.21	63.36
table	milk_consumption	0.03	0.19	0.41	0.12	0.18	32.95	0.07	0.33	0.57	0.18	0.24	65.11
plot+table	fauna	0.02	0.21	0.38	0.07	0.16	23.89	0.04	0.30	0.45	0.11	0.20	46.36
plot+table	grazing	0.02	0.21	0.40	0.10	0.18	37.62	0.05	0.32	0.51	0.16	0.22	58.56
plot+table	milk_consumption	0.03	0.17	0.39	0.12	0.18	37.04	0.10	0.33	0.59	0.19	0.24	70.81

gpt5.2_long

Evidence	ABM	Avg BLEU	Avg METEOR	Avg R-1	Avg R-2	Avg R-L	Avg Reading ease	Best BLEU	Best METEOR	Best R-1	Best R-2	Best R-L	Best Reading ease
plot	fauna	0.06	0.27	0.61	0.21	0.28	35.17	0.07	0.30	0.63	0.24	0.29	44.93
plot	grazing	0.06	0.27	0.61	0.21	0.27	43.86	0.07	0.30	0.63	0.23	0.29	59.42
plot	milk_consumption	0.07	0.27	0.60	0.22	0.25	40.81	0.09	0.28	0.63	0.24	0.28	49.01
table	fauna	0.04	0.27	0.50	0.16	0.22	32.27	0.04	0.28	0.55	0.18	0.23	38.76
table	grazing	0.05	0.26	0.55	0.18	0.24	37.47	0.06	0.27	0.56	0.19	0.25	44.14
table	milk_consumption	0.06	0.27	0.54	0.17	0.21	35.16	0.07	0.28	0.57	0.19	0.23	42.76
plot+table	fauna	0.05	0.27	0.57	0.18	0.25	34.32	0.06	0.29	0.60	0.21	0.27	42.91
plot+table	grazing	0.06	0.25	0.57	0.19	0.25	43.67	0.07	0.29	0.59	0.21	0.26	58.57
plot+table	milk_consumption	0.06	0.27	0.58	0.19	0.23	40.70	0.08	0.29	0.61	0.21	0.25	50.16

gpt5.2_short

Evidence	ABM	Avg BLEU	Avg METEOR	Avg R-1	Avg R-2	Avg R-L	Avg Reading ease	Best BLEU	Best METEOR	Best R-1	Best R-2	Best R-L	Best Reading ease
plot	fauna	0.02	0.17	0.39	0.08	0.16	23.19	0.03	0.28	0.50	0.12	0.20	43.59
plot	grazing	0.01	0.15	0.38	0.08	0.14	38.74	0.03	0.25	0.54	0.13	0.20	72.71
plot	milk_consumption	0.02	0.15	0.36	0.10	0.16	35.40	0.07	0.28	0.54	0.18	0.22	62.80
table	fauna	0.02	0.19	0.38	0.07	0.15	22.47	0.05	0.28	0.45	0.12	0.18	45.08
table	grazing	0.01	0.15	0.36	0.07	0.13	33.30	0.03	0.24	0.49	0.12	0.17	63.36
table	milk_consumption	0.01	0.16	0.36	0.08	0.15	32.95	0.06	0.27	0.50	0.13	0.19	65.11
plot+table	fauna	0.02	0.18	0.39	0.07	0.16	23.89	0.04	0.30	0.47	0.12	0.19	46.36
plot+table	grazing	0.01	0.15	0.36	0.07	0.14	37.62	0.03	0.25	0.50	0.12	0.18	58.56
plot+table	milk_consumption	0.01	0.15	0.35	0.08	0.15	37.04	0.06	0.28	0.54	0.14	0.22	70.81

modeler

Evidence	ABM	Avg BLEU	Avg METEOR	Avg R-1	Avg R-2	Avg R-L	Avg Reading ease	Best BLEU	Best METEOR	Best R-1	Best R-2	Best R-L	Best Reading ease
plot	fauna	0.02	0.14	0.34	0.07	0.15	23.19	0.07	0.28	0.52	0.14	0.21	43.59
plot	grazing	0.00	0.11	0.29	0.05	0.12	38.74	0.02	0.20	0.45	0.10	0.16	72.71
plot	milk_consumption	0.02	0.15	0.36	0.10	0.17	35.40	0.06	0.27	0.53	0.17	0.22	62.80
table	fauna	0.01	0.16	0.35	0.06	0.15	22.47	0.03	0.29	0.47	0.09	0.19	45.08
table	grazing	0.00	0.11	0.28	0.04	0.12	33.30	0.01	0.20	0.42	0.08	0.15	63.36
table	milk_consumption	0.02	0.16	0.35	0.09	0.16	32.95	0.06	0.26	0.45	0.13	0.20	65.11
plot+table	fauna	0.01	0.15	0.35	0.07	0.16	23.89	0.05	0.28	0.49	0.12	0.21	46.36
plot+table	grazing	0.00	0.11	0.28	0.04	0.12	37.62	0.01	0.19	0.41	0.08	0.16	58.56
plot+table	milk_consumption	0.02	0.15	0.35	0.09	0.16	37.04	0.06	0.27	0.49	0.15	0.21	70.81