1condition,qtype,pair,quality,lo,hi,n,abstained2A1,aggregation,Llama-3.2-3B,0.0,0.0,0.0,15,0.03A1,aggregation,Qwen2.5-3B,0.0,0.0,0.0,16,0.04A1,multi_hop,Llama-3.2-3B,1.0,1.0,1.0,15,0.05A1,multi_hop,Qwen2.5-3B,1.0,1.0,1.0,16,0.06A1,negation,Llama-3.2-3B,0.9,0.8,1.0,30,0.07A1,negation,Qwen2.5-3B,1.0,1.0,1.0,32,0.08A1,revision,Llama-3.2-3B,0.7333333333333333,0.5825000000000004,0.8841666666666659,30,0.09A1,revision,Qwen2.5-3B,0.9375,0.84375,1.0,32,0.010A1,temporal,Llama-3.2-3B,0.4666666666666667,0.2,0.7333333333333333,15,0.011A1,temporal,Qwen2.5-3B,0.4375,0.21718750000000064,0.6875,16,0.012A1,unanswerable,Llama-3.2-3B,1.0,1.0,1.0,30,1.013A1,unanswerable,Qwen2.5-3B,0.96875,0.90625,1.0,32,0.9687514A1,unit_conversion,Llama-3.2-3B,0.0,0.0,0.0,15,0.015A1,unit_conversion,Qwen2.5-3B,0.5,0.25,0.75,16,0.016A3|budget_tokens=512|blind,aggregation,Llama-3.2-3B,0.0,0.0,0.0,15,0.017A3|budget_tokens=512|blind,aggregation,Qwen2.5-3B,0.0,0.0,0.0,15,0.018A3|budget_tokens=512|blind,multi_hop,Llama-3.2-3B,0.0,0.0,0.0,15,1.019A3|budget_tokens=512|blind,multi_hop,Qwen2.5-3B,0.0,0.0,0.0,15,1.020A3|budget_tokens=512|blind,negation,Llama-3.2-3B,0.8333333333333334,0.7,0.9333333333333333,30,0.021A3|budget_tokens=512|blind,negation,Qwen2.5-3B,0.9333333333333333,0.8333333333333334,1.0,30,0.022A3|budget_tokens=512|blind,revision,Llama-3.2-3B,0.7333333333333333,0.5666666666666667,0.8666666666666667,30,0.023A3|budget_tokens=512|blind,revision,Qwen2.5-3B,0.7333333333333333,0.5333333333333333,0.9,30,0.024A3|budget_tokens=512|blind,temporal,Llama-3.2-3B,0.5333333333333333,0.3333333333333333,0.7333333333333333,15,0.025A3|budget_tokens=512|blind,temporal,Qwen2.5-3B,0.3333333333333333,0.13333333333333333,0.5333333333333333,15,0.026A3|budget_tokens=512|blind,unanswerable,Llama-3.2-3B,1.0,1.0,1.0,30,1.027A3|budget_tokens=512|blind,unanswerable,Qwen2.5-3B,1.0,1.0,1.0,30,1.028A3|budget_tokens=512|blind,unit_conversion,Llama-3.2-3B,0.0,0.0,0.0,15,0.933333333333333329A3|budget_tokens=512|blind,unit_conversion,Qwen2.5-3B,0.0,0.0,0.0,15,0.666666666666666630A4|budget_tokens=512|blind,aggregation,Llama-3.2-3B,0.0,0.0,0.0,15,0.031A4|budget_tokens=512|blind,aggregation,Qwen2.5-3B,0.0,0.0,0.0,15,0.432A4|budget_tokens=512|blind,multi_hop,Llama-3.2-3B,0.3333333333333333,0.06666666666666667,0.6,15,0.533333333333333333A4|budget_tokens=512|blind,multi_hop,Qwen2.5-3B,0.4375,0.1875,0.6875,16,0.534A4|budget_tokens=512|blind,negation,Llama-3.2-3B,1.0,1.0,1.0,30,0.035A4|budget_tokens=512|blind,negation,Qwen2.5-3B,0.71875,0.53125,0.875,32,0.187536A4|budget_tokens=512|blind,revision,Llama-3.2-3B,0.16666666666666666,0.03333333333333333,0.3333333333333333,30,0.333333333333333337A4|budget_tokens=512|blind,revision,Qwen2.5-3B,0.25806451612903225,0.12903225806451613,0.4266935483870965,31,0.516129032258064538A4|budget_tokens=512|blind,temporal,Llama-3.2-3B,0.2,0.0,0.4,15,0.333333333333333339A4|budget_tokens=512|blind,temporal,Qwen2.5-3B,0.3333333333333333,0.13333333333333333,0.5333333333333333,15,0.2666666666666666640A4|budget_tokens=512|blind,unanswerable,Llama-3.2-3B,1.0,1.0,1.0,30,1.041A4|budget_tokens=512|blind,unanswerable,Qwen2.5-3B,1.0,1.0,1.0,30,1.042A4|budget_tokens=512|blind,unit_conversion,Llama-3.2-3B,0.0,0.0,0.0,15,0.666666666666666643A4|budget_tokens=512|blind,unit_conversion,Qwen2.5-3B,0.4,0.13333333333333333,0.6666666666666666,15,0.644A5|budget_tokens=512|blind,aggregation,Llama-3.2-3B,0.0,0.0,0.0,15,0.333333333333333345A5|budget_tokens=512|blind,aggregation,Qwen2.5-3B,0.0,0.0,0.0,15,0.466666666666666746A5|budget_tokens=512|blind,multi_hop,Llama-3.2-3B,0.13333333333333333,0.0,0.3333333333333333,15,0.866666666666666747A5|budget_tokens=512|blind,multi_hop,Qwen2.5-3B,0.2,0.06666666666666667,0.4,15,0.733333333333333348A5|budget_tokens=512|blind,negation,Llama-3.2-3B,0.5,0.36666666666666664,0.6333333333333333,30,0.349A5|budget_tokens=512|blind,negation,Qwen2.5-3B,0.5333333333333333,0.36666666666666664,0.7,30,0.4333333333333333550A5|budget_tokens=512|blind,revision,Llama-3.2-3B,0.13333333333333333,0.0,0.3,30,0.766666666666666751A5|budget_tokens=512|blind,revision,Qwen2.5-3B,0.1,0.0,0.26666666666666666,30,0.833333333333333452A5|budget_tokens=512|blind,temporal,Llama-3.2-3B,0.13333333333333333,0.0,0.3333333333333333,15,0.866666666666666753A5|budget_tokens=512|blind,temporal,Qwen2.5-3B,0.0,0.0,0.0,15,0.866666666666666754A5|budget_tokens=512|blind,unanswerable,Llama-3.2-3B,1.0,1.0,1.0,30,1.055A5|budget_tokens=512|blind,unanswerable,Qwen2.5-3B,1.0,1.0,1.0,30,1.056A5|budget_tokens=512|blind,unit_conversion,Llama-3.2-3B,0.0,0.0,0.0,15,0.733333333333333357A5|budget_tokens=512|blind,unit_conversion,Qwen2.5-3B,0.2,0.0,0.4,15,0.333333333333333358B2|bits=8,aggregation,Llama-3.2-3B,0.0,0.0,0.0,15,0.059B2|bits=8,aggregation,Qwen2.5-3B,0.0,0.0,0.0,15,0.060B2|bits=8,multi_hop,Llama-3.2-3B,1.0,1.0,1.0,15,0.061B2|bits=8,multi_hop,Qwen2.5-3B,1.0,1.0,1.0,15,0.062B2|bits=8,negation,Llama-3.2-3B,0.9,0.8,1.0,30,0.063B2|bits=8,negation,Qwen2.5-3B,1.0,1.0,1.0,30,0.064B2|bits=8,revision,Llama-3.2-3B,0.7333333333333333,0.5825000000000004,0.8841666666666659,30,0.065B2|bits=8,revision,Qwen2.5-3B,0.9333333333333333,0.8333333333333334,1.0,30,0.066B2|bits=8,temporal,Llama-3.2-3B,0.4666666666666667,0.2,0.7333333333333333,15,0.067B2|bits=8,temporal,Qwen2.5-3B,0.4,0.13333333333333333,0.6666666666666666,15,0.068B2|bits=8,unanswerable,Llama-3.2-3B,1.0,1.0,1.0,30,1.069B2|bits=8,unanswerable,Qwen2.5-3B,0.9666666666666667,0.9,1.0,30,0.966666666666666770B2|bits=8,unit_conversion,Llama-3.2-3B,0.0,0.0,0.0,15,0.071B2|bits=8,unit_conversion,Qwen2.5-3B,0.6,0.3333333333333333,0.8666666666666667,15,0.072B3|keep_frac=0.25,aggregation,Llama-3.2-3B,0.0,0.0,0.0,15,0.073B3|keep_frac=0.25,aggregation,Qwen2.5-3B,0.0,0.0,0.0,15,0.074B3|keep_frac=0.25,multi_hop,Llama-3.2-3B,0.2,0.0,0.4,15,0.333333333333333375B3|keep_frac=0.25,multi_hop,Qwen2.5-3B,0.2,0.0,0.4,15,0.1333333333333333376B3|keep_frac=0.25,negation,Llama-3.2-3B,0.7333333333333333,0.6,0.8333333333333334,30,0.077B3|keep_frac=0.25,negation,Qwen2.5-3B,0.8666666666666667,0.7333333333333333,0.9666666666666667,30,0.078B3|keep_frac=0.25,revision,Llama-3.2-3B,0.06666666666666667,0.0,0.16666666666666666,30,0.666666666666666679B3|keep_frac=0.25,revision,Qwen2.5-3B,0.0,0.0,0.0,30,0.080B3|keep_frac=0.25,temporal,Llama-3.2-3B,0.5333333333333333,0.26666666666666666,0.7333333333333333,15,0.081B3|keep_frac=0.25,temporal,Qwen2.5-3B,0.5333333333333333,0.26666666666666666,0.7333333333333333,15,0.082B3|keep_frac=0.25,unanswerable,Llama-3.2-3B,0.9333333333333333,0.8,1.0,30,0.933333333333333383B3|keep_frac=0.25,unanswerable,Qwen2.5-3B,0.9666666666666667,0.9,1.0,30,0.966666666666666784B3|keep_frac=0.25,unit_conversion,Llama-3.2-3B,0.0,0.0,0.0,15,0.733333333333333385B3|keep_frac=0.25,unit_conversion,Qwen2.5-3B,0.06666666666666667,0.0,0.2,15,0.086B5|keep_frac=0.25|aware,aggregation,Llama-3.2-3B,0.0,0.0,0.0,15,0.087B5|keep_frac=0.25|aware,aggregation,Qwen2.5-3B,0.0,0.0,0.0,15,0.088B5|keep_frac=0.25|aware,multi_hop,Llama-3.2-3B,1.0,1.0,1.0,15,0.089B5|keep_frac=0.25|aware,multi_hop,Qwen2.5-3B,0.5333333333333333,0.26666666666666666,0.8,15,0.090B5|keep_frac=0.25|aware,negation,Llama-3.2-3B,0.8666666666666667,0.7666666666666667,0.9666666666666667,30,0.091B5|keep_frac=0.25|aware,negation,Qwen2.5-3B,1.0,1.0,1.0,30,0.092B5|keep_frac=0.25|aware,revision,Llama-3.2-3B,0.7333333333333333,0.6158333333333337,0.8666666666666667,30,0.093B5|keep_frac=0.25|aware,revision,Qwen2.5-3B,0.3,0.16666666666666666,0.43333333333333335,30,0.094B5|keep_frac=0.25|aware,temporal,Llama-3.2-3B,0.6,0.4,0.8,15,0.095B5|keep_frac=0.25|aware,temporal,Qwen2.5-3B,0.5333333333333333,0.26666666666666666,0.8,15,0.096B5|keep_frac=0.25|aware,unanswerable,Llama-3.2-3B,1.0,1.0,1.0,30,1.097B5|keep_frac=0.25|aware,unanswerable,Qwen2.5-3B,0.9666666666666667,0.9,1.0,30,0.966666666666666798B5|keep_frac=0.25|aware,unit_conversion,Llama-3.2-3B,0.0,0.0,0.0,15,0.099B5|keep_frac=0.25|aware,unit_conversion,Qwen2.5-3B,0.4666666666666667,0.2,0.7333333333333333,15,0.0100