在昇腾环境中，我使用 AISBench 通过 OpenAI-compatible vLLM API，对 Qwen3.6-35B-A3B 模型进行能力评测。在完成 BoolQ 和 GSM8K 后，mentor 希望进一步评价模型在中文金融、经济和法律专业知识方面的表现，因此从 CEval 中选择了六个相关子任务：六科验证集共计 233 道单项选择题，评价指标为 Accuracy。3. CEval 数

本次工作面向 Qwen3.6 系列大语言模型开展统一精度评测，评测对象包括 Qwen3.6-27B-W8A8 量化模型、Qwen3.6-27B-BF16 全精度模型以及 Qwen3.6-35B-A3B 混合专家模型，评测数据集包括 CEval 金融法律六科、BoolQ 和 GSM8K。针对大语言模型在 thinking 模式下可能因最大输出长度不足而产生的空预测、推理截断和最终答案缺失问题，本次工

在昇腾环境中，我使用 AISBench 通过 OpenAI-compatible vLLM API，对 Qwen3.6-35B-A3B 模型进行能力评测。在完成 BoolQ 和 GSM8K 后，mentor 希望进一步评价模型在中文金融、经济和法律专业知识方面的表现，因此从 CEval 中选择了六个相关子任务：六科验证集共计 233 道单项选择题，评价指标为 Accuracy。3. CEval 数

在昇腾环境中，我使用 AISBench 通过 OpenAI-compatible vLLM API，对 Qwen3.6-35B-A3B 模型进行能力评测。在完成 BoolQ 和 GSM8K 后，mentor 希望进一步评价模型在中文金融、经济和法律专业知识方面的表现，因此从 CEval 中选择了六个相关子任务：六科验证集共计 233 道单项选择题，评价指标为 Accuracy。3. CEval 数

主包准备的是文档推荐的开源数据集。： [0:500]原始 AISBench summary accuracy = 91.60% Post=500，Received=496，Failed=4，empty prediction=8。对 8 条空预测样本进行手动补跑后，5 条补跑正确，修正 accuracy = 92.60%。1. max_out_len 太小会导致模型只返回 reasoning，con