请问Qwen3-1.7b thinking 模型对于 math-500 数据集的评测参数是怎样的？

[Nothing-is-important]

使用模板 {problem}\nPlease reason step by step, and put your final answer within \boxed{}.
使用 max_out_len=32768，top_k=0.6，top_p=0.95, min_p=0, do_sample=True, temperature=0.6, 生成64个回复，结果为91.24，与官网的93.4还是有差距。
官网的评测指标是 pass@64 还是 accuracy？评测参数是什么样的？