<img width="419" height="164" alt="Image" src="https://github.com/user-attachments/assets/fd09bf61-1a73-4789-9111-2bca0d33d125" /> 图片中可以看到，在这个 BMK 的测试中 Hy3 的测评结果和 qwen 有很大的出入，检查了 agent 轨迹没有发现问题，请问一下官方是否有测过这个 BMK，是否有一些遗漏的评测风险导致的评测效果不佳？进一步请教一下，浑元模型在跑公开评测的过程中是否有一些需要注意的事项
图片中可以看到，在这个 BMK 的测试中 Hy3 的测评结果和 qwen 有很大的出入，检查了 agent 轨迹没有发现问题，请问一下官方是否有测过这个 BMK，是否有一些遗漏的评测风险导致的评测效果不佳？进一步请教一下，浑元模型在跑公开评测的过程中是否有一些需要注意的事项