我本地评测了一下MMMU_DEV_VAL
测出来的结果如下, 我想请教一下论文里面的70.6是report的哪一个指标呀
"split","Overall","Accounting","Agriculture","Architecture_and_Engineering","Art","Art_Theory","Basic_Medical_Science","Biology","Chemistry","Clinical_Medicine","Computer_Science","Design","Diagnostics_and_Laboratory_Medicine","Economics","Electronics","Energy_and_Power","Finance","Geography","History","Literature","Manage","Marketing","Materials","Math","Mechanical_Engineering","Music","Pharmacy","Physics","Psychology","Public_Health","Sociology","Art & Design","Business","Health & Medicine","Humanities & Social Science","Science","Tech & Engineering"
"validation","0.6488888888888888","0.8333333333333334","0.5333333333333333","0.6333333333333333","0.6333333333333333","0.8333333333333334","0.6333333333333333","0.5333333333333333","0.43333333333333335","0.6333333333333333","0.7","0.7666666666666667","0.43333333333333335","0.7333333333333333","0.5","0.7333333333333333","0.6","0.43333333333333335","0.7333333333333333","0.9","0.5333333333333333","0.8666666666666667","0.5666666666666667","0.6333333333333333","0.6","0.4666666666666667","0.7666666666666667","0.6333333333333333","0.6333333333333333","0.9","0.6333333333333333","0.675","0.7133333333333334","0.6733333333333333","0.725","0.5333333333333333","0.6095238095238096"
"dev","0.66","0.8","0.2","0.4","1.0","0.8","0.8","0.8","0.8","0.0","0.6","0.8","0.4","1.0","0.6","0.8","0.6","0.4","1.0","0.8","0.8","0.8","0.4","0.4","0.6","0.4","1.0","0.8","0.8","0.6","0.6","0.75","0.8","0.56","0.8","0.64","0.5142857142857142"
我本地评测了一下MMMU_DEV_VAL
测出来的结果如下, 我想请教一下论文里面的70.6是report的哪一个指标呀
"split","Overall","Accounting","Agriculture","Architecture_and_Engineering","Art","Art_Theory","Basic_Medical_Science","Biology","Chemistry","Clinical_Medicine","Computer_Science","Design","Diagnostics_and_Laboratory_Medicine","Economics","Electronics","Energy_and_Power","Finance","Geography","History","Literature","Manage","Marketing","Materials","Math","Mechanical_Engineering","Music","Pharmacy","Physics","Psychology","Public_Health","Sociology","Art & Design","Business","Health & Medicine","Humanities & Social Science","Science","Tech & Engineering"
"validation","0.6488888888888888","0.8333333333333334","0.5333333333333333","0.6333333333333333","0.6333333333333333","0.8333333333333334","0.6333333333333333","0.5333333333333333","0.43333333333333335","0.6333333333333333","0.7","0.7666666666666667","0.43333333333333335","0.7333333333333333","0.5","0.7333333333333333","0.6","0.43333333333333335","0.7333333333333333","0.9","0.5333333333333333","0.8666666666666667","0.5666666666666667","0.6333333333333333","0.6","0.4666666666666667","0.7666666666666667","0.6333333333333333","0.6333333333333333","0.9","0.6333333333333333","0.675","0.7133333333333334","0.6733333333333333","0.725","0.5333333333333333","0.6095238095238096"
"dev","0.66","0.8","0.2","0.4","1.0","0.8","0.8","0.8","0.8","0.0","0.6","0.8","0.4","1.0","0.6","0.8","0.6","0.4","1.0","0.8","0.8","0.8","0.4","0.4","0.6","0.4","1.0","0.8","0.8","0.6","0.6","0.75","0.8","0.56","0.8","0.64","0.5142857142857142"