使用evalscope+mmlu-pro精度集测试vllm-ascend镜像，得分总是比vllm-ascend官方的ais-bench工具低了5-6分

[xuyucheng220]

参考vllm-ascend社区的issue单号：vllm-project/vllm-ascend#10068
这个问题更有可能是evalscope工具的问题，请帮忙分析。

[Yunnglin]

感谢反馈！为了定位具体的差异来源，能否提供以下信息：

1. evalscope 输出目录的 zip 包（outputs/<timestamp>/ 下的完整目录），主要需要：

   • predictions/ 目录下的 JSONL 文件（包含模型原始输出和提取的答案）
   • reports/ 目录下的 JSON 报告文件
   • configs/ 目录下的配置文件

2. 运行时使用的 evalscope 命令或配置（TaskConfig 参数）

3. 如果方便的话，也提供 ais-bench 测试同模型的详细分数（按 subject 的分数对比）

有了 predictions 文件，我们可以分析答案提取的成功率和失败 case，定位是 prompt 导致模型输出格式不符，还是答案提取逻辑丢分。