ScienceQA_TEST的评测怀疑与官方的测评集不对齐！

根据ScienceQA论文和官网 https://scienceqa.github.io/index.html#home，训练集、验证集、测试集是3：1：1，测试集应该有4241张图片。

modelscope里面的
https://modelscope.cn/datasets/swift/ScienceQA 的文档写的数据量是正确的，

执行具体代码

from modelscope.msdatasets import MsDataset
ds =  MsDataset.load('AI-ModelScope/ScienceQA', subset_name='default', split='test')
len(ds)==4241

也是正确的，是True。

但是VLMEvalKit的评测结果是错的，实测发现 只有2017条数据。

这是我的运行命令

swift eval \
    --eval_backend VLMEvalKit \
    --infer_backend pt \
    --eval_dataset ScienceQA_TEST \
    --model QwenQwen3-VL-4B-Instruct

结果文件在
./eval_output/vlmeval/时间/Qwen3-VL-4B-Instruct/Qwen3-VL-4B-Instruct_ScienceQA_TEST_openai_result.xlsx
中，这个只有一个表格，只有2017条数据。

看起来VLMEvalKit的 ScienceQA_TEST 没有正确对齐官方数据，请问这里面是有什么原因吗？是不是有些数据被特意筛选呢？还是存在一些技术问题？

Reproduce the shown swift eval command and compare the ScienceQA_TEST result count with the official test size of 4241 and the ModelScope split. Trace how VLMEvalKit loads ScienceQA_TEST and determine whether the 2017-item result is intentional filtering or a loading mismatch; done means the cause is confirmed and the dataset behavior is corrected or documented.