关于评估的一个令人难过的事实是：如果你为你的基准测试创建一个私有的测试集，人们就不会采用它。我们在EvalAI（https://eval.ai/web/challenges/challenge-page/2179/overview）上托管了官方的MMMU私有测试集，但每个人仍然报告的是验证分数。我发现MathVista也有类似的情况，大家都只报告testmini分数。