model,aime24,livecodebench_v5_deepcoder_test,ifeval,ifbench
base,22.5,17.562724014336915,81.33086876155268,25.0
math,50.0,18.189964157706093,80.0369685767098,25.666666666666664
code,25.833333333333336,24.10394265232975,81.70055452865064,25.333333333333336
if,18.333333333333332,15.68100358422939,84.4731977818854,43.666666666666664