答案解析逻辑对于旧的非推理模型（如llava-v1.5）不友好 #4
Description
模型不太会严格按照\boxed格式要求输出，导致解析结果为空，最后成绩异常低。
作者是否考虑让judge model直接按照原始输出评判正误？
图中给出的是llava-v1.5的结果文件
{{ message }}
模型不太会严格按照\boxed格式要求输出，导致解析结果为空，最后成绩异常低。
作者是否考虑让judge model直接按照原始输出评判正误？
图中给出的是llava-v1.5的结果文件