1arm,n_runs,n_tasks,acceptance_taskw,acceptance_minw,det_completion,critical_error_rate,quality_mean,quality_sd,timeout_rate,cost_mean,cost_sd,cost_per_accepted,wall_median_s,tool_calls_mean,tool_errors_mean,app_transitions_mean,abstention_rate2A0,30,10,0.0,0.0,0.0,0.2,27.38888888888889,17.40324007207812,0.0,0.7095971266666666,0.41578295381532226,,161.95,29.433333333333334,11.866666666666667,0.0,0.93A1,30,10,0.8666666666666666,0.8847736625514403,0.9666666666666666,0.03333333333333333,82.34722222222221,18.50024701260657,0.0,0.82316396,0.22962883806934387,0.9498045692307693,217.65,12.866666666666667,0.9,3.2666666666666666,0.24A2,30,10,0.9,0.9094650205761317,0.9666666666666666,0.0,84.97222222222221,9.97718502109102,0.0,0.78344624,0.18990073897126578,0.8704958222222222,213.85000000000002,12.366666666666667,0.6666666666666666,4.433333333333334,0.066666666666666675A3,30,10,0.9,0.9259259259259259,1.0,0.0,85.69444444444444,11.378487914859686,0.0,0.9055274533333333,0.258626810400623,1.0061416148148148,218.8,17.2,0.8666666666666667,9.3,0.133333333333333336A4,30,10,0.8333333333333333,0.8436213991769548,0.9666666666666666,0.0,84.79166666666667,10.586687177880476,0.0,0.9257952333333334,0.22072943537881048,1.11095428,230.15,18.8,2.0,9.266666666666667,0.17