Mismatched results on VideoMMMU benchmark

[YanFangCS]

Hi, 作者您好，在VideoMMMU任务上测试复现onethinker-8B模型结果时测得结果比论文结果略低(64.3 < 66.4)。测试参数使用的是Evaluation/Eval/eval_bench_all.sh里提供的默认参数设置未修改。

[tulerfeng]

Hi，如果数据，评测参数，评测代码以及prompt，都保持一致的话，那可能是 python环境/GPU不同（A卡/H卡，我们用的是H卡）带来的问题，差别2个点应该在可接受范围之内。