평가 척도는 [Mean Squared Error]

(https://en.wikipedia.org/wiki/Mean_squared_error)를 사용합니다. 
MSE 값이 더 낮을수록 성능이 더 높다고 간주합니다. (Leaderboard에 있는 Best case보다 더 높은 성능 (더 낮은 MSE값)을 찾는 것 또한 가능합니다.) 

## Submission Format - PLMS에 배포된 코드 베이스라인을 사용하는 경우, 생성된 **result.csv** 파일을 그대로 제출하면 됩니다. - 별도의 코드를 작성하시는 경우, csv파일로 제출해야 하며, 아래와 같은 형식을 유지해야 합니다. (소대문자 구분 합니다) 
| index | prob | 
| 0 | X | 
| 1 | X | 
| ... | ... | 
| 871 | X | 
- index는 0부터 시작하는 정수입니다. - X는 0과 1 사이의 실수 값입니다. 

학습한 Langauge model의 '올바른 다음 Token'의 확률 값을 나타냅니다. (0과 1 사이의 값을 가집니다) 
- 데이터 특성상 Test data가 공개되어 있습니다. 이를 학습에 사용한 경우 0점처리됩니다. 
(학습 과정 중 Evaluation에 사용하는 것은 허용됩니다. Evaluation 결과를 바탕으로 학습 정책을 결정하는 것(Early stopping 등) 역시 허용됩니다)