Tarefa qrdata_socsci.383

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)

What proportion of respondents did not report the monthly income? Please round to the nearest thousandth.

Acesso direto às fontes primárias, tabela formal de verificações, comparação de argumentos, trajetória completa com prompts brutos e somas SHA-256.

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 383 (0-based), field 'answer'
Trecho: item 383 answer 0.056
Valor: 0,0560.056
Conferido por: arquivo do benchmark · The printed gold is in the excerpt and index.json. It has fewer than 3 significant digits, so it is not set as value_as_published: the isolation gate searches that field verbatim, and a string this short can occur anywhere in a prompt (the gate does not search such numbers either).
sha256 da cópia lida: e076d960f19434adf728aab70480ce34808c06066fcea48eaa38b145d1a111a1 (identifica a cópia lida, não um arquivo canônico)
Endereço: https://raw.githubusercontent.com/xxxiaol/QRData/de450af45ff7101b328bb064c6b475f73414a7ed/benchmark/QRData.json
Licença: CC BY-NC 4.0

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

Especificação técnica do gabarito

QRData gold: benchmark/QRData.json item 383 at de450af45ff7101b328bb064c6b475f73414a7ed

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

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

Nenhum caminho de referência registrado para esta tarefa.

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

Esta tentativa não tem trajetória publicada.

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

22,4 KB · sha256 7d7dd908a49daaa65416b02b0afe37a274bbe40e88f9fd5879cee5dfeaf1b5b6

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.383.e1.a1.json	200 B	`380daf8706b41b4884c26a0da10fb82e02a73826e8edc7004beef09433ba3e4e`
sources/qrdata.eval_py.json	1,3 KB	`d610b61f390d29ce767e08ce850eab5cb0dc4d13c1edb62d8cf3b0e49a3a291a`
sources/qrdata.gold.383.json	1,4 KB	`ba7cc6c582ef7d2916c989d149cba4cea152b3cc2f2c1b8ad448e85f033ff4b0`
specs/qrdata_socsci.383.json	5,2 KB	`cb191a596efcc43fde652141766513dc2121da1793815e2970bed85c095eaa54`