qwen2.5 opencompass测评与官方public指标不符

[aidenchn]

想请教下官方大佬，我们做了qwen2-72b-instruct和qwen2.5-72b-instruct的opencompass测评，发现与官方public的指标不符，主要有两个方面，1、mmlu_pro、GPQA_diamond指标和qwen2基本持平（public说是qwen2.5提升很多） 2、TheoremQA指标比qwen2下降了很多（大概是qwen2的一半）。
想请教下，这三个指标是如何测评的，是否也用了opencompass，是否在opencompass中做了某些优化，比如prompts方面，不胜感激！！！！

PS：
1、我们用到的配置如下：
mmlu版本：mmlu_pro_gen_cdbebf
gpqa：gpqa_openai_simple_evals_gen_5aeece
TheoremQA：TheoremQA_5shot_gen_6f0af8

[jklj077]

cc: @hzhwcmhf