请问一下作者，原来的官网的那个测评窗口使用的是exact matching精确匹配吗？还是使用的gpt参与的打分？ 如果是精确匹配的话，我能不能使用VLMevalkit中的脚本，自己构建脚本测评？ 论文中汇报的mmbench结果，一般都是精确匹配还是gpt测评结果呢？
请问一下作者，原来的官网的那个测评窗口使用的是exact matching精确匹配吗？还是使用的gpt参与的打分？
如果是精确匹配的话，我能不能使用VLMevalkit中的脚本，自己构建脚本测评？
论文中汇报的mmbench结果，一般都是精确匹配还是gpt测评结果呢？