`gsm8k_postprocess` 会在千位分隔符处断开数值答案(`\boxed{$9{,}500}` → `500`, `\boxed{8,000}` → `000`)

最小重现:

from opencompass.datasets.gsm8k import gsm8k_postprocess

测量结果（从 PyPI 安装的 opencompass 0.5.4）：

影响：任何包含逗号分隔数字的答案都被提取为一个不同的数字，而且错误是无声的 - 它与模型回答错误是无法区分的。在我们的 GSM8K 运行中（300 个项目，DeepSeek 闪存，每个装置一条线），这是 OpenCompass 在同一批原始答案中与其他两个装置相比的损失的可测量来源之一：其他提取器对相同的响应进行了正确评分。此外，还要注意：同一个后处理器在数字没有分隔符时处理 \boxed{...} 非常好，因此缺陷具体是数字标记中包含的,。