{
  "byConfig": {
    "baseline-v1--off": {
      "deterministicPassRate": 0.6666666666666666,
      "semanticScoreTwoRate": 0,
      "semanticMean": 0.16666666666666666,
      "criticalFailureRate": 0.8333333333333334
    },
    "semantic-v2--off": {
      "deterministicPassRate": 0.6666666666666666,
      "semanticScoreTwoRate": 0.16666666666666666,
      "semanticMean": 0.8333333333333334,
      "criticalFailureRate": 0.3333333333333333
    },
    "baseline-v1--medium": {
      "deterministicPassRate": 0.5,
      "semanticScoreTwoRate": 0.16666666666666666,
      "semanticMean": 0.6666666666666666,
      "criticalFailureRate": 0.5
    },
    "semantic-v2--medium": {
      "deterministicPassRate": 0.8333333333333334,
      "semanticScoreTwoRate": 0.16666666666666666,
      "semanticMean": 0.8333333333333334,
      "criticalFailureRate": 0.3333333333333333
    }
  },
  "effects": {
    "promptMainEffect": {
      "deterministicPassRate": 0.16666666666666674,
      "semanticScoreTwoRate": 0.08333333333333333,
      "semanticMean": 0.41666666666666674,
      "criticalFailureRate": -0.3333333333333334
    },
    "reasoningMainEffect": {
      "deterministicPassRate": 1.1102230246251565e-16,
      "semanticScoreTwoRate": 0.08333333333333333,
      "semanticMean": 0.25,
      "criticalFailureRate": -0.16666666666666674
    },
    "interaction": {
      "deterministicPassRate": 0.33333333333333337,
      "semanticScoreTwoRate": -0.16666666666666666,
      "semanticMean": -0.5,
      "criticalFailureRate": 0.3333333333333333
    }
  }
}