问题/痛点描述
【需求背景】
字节客户要求RL验收标准需要使用 aisbench 测试 geo3k 数据集(hiyouga/geometry3k · Datasets at Hugging Face)，
【验收标准】：
- aisbench 支持 geo3k 数据集(hiyouga/geometry3k · Datasets at Hugging Face)完成RL推理测评。
模型：Qwen3.5 35B + vllm
指定geo3k 数据集，完成推理测评，aisbench实测 vs 官网脚本(verl场景)实测，精度差异 < 1%。
建议方案
参考verl实现
备选方案
No response
预期价值
aisbench实现geo3k数据集评测，增加竞争力
参与意向
问题/痛点描述
【需求背景】
字节客户要求RL验收标准需要使用 aisbench 测试 geo3k 数据集(hiyouga/geometry3k · Datasets at Hugging Face)，
【验收标准】：
模型：Qwen3.5 35B + vllm
指定geo3k 数据集，完成推理测评，aisbench实测 vs 官网脚本(verl场景)实测，精度差异 < 1%。
建议方案
参考verl实现
备选方案
No response
预期价值
aisbench实现geo3k数据集评测，增加竞争力
参与意向