论文中取哪一个结果，评价指标问题

作者大大您好，我想问一下运行过程出现两个结果，一个是test-data后的，一个是dev后的。论文中的结果是取哪一个在6个数据及上和其他模型对比呢？还有一般不都是取test吗？为什么最后是get best dev？期待您的回答！