fix(eval): 修复vllm_eval截图排序bug并对齐reeval逻辑

- 修复_load_screenshots_from_dir中截图按字符串排序导致step_9被误判为最终帧的bug，改为数字排序
- 对齐reeval.py的prompt逻辑：明确要求模型优先检查最终截图（STEP 1 EXAMINE FINAL SCREENSHOT FIRST）
- 评估temperature从0.7降至0.2提升一致性
- 新增batch_reeval.py：基于test_final.json批量重评测已有轨迹
- 新增reeval.py：单任务重评测脚本（final-frame-anchored evaluation）
- test_final.json新增avogadro(11题)和origin(8题)

evaluation_examples/examples/origin/Origin_User_Guide_2025b_E_task1.json

@@ -1,59 +0,0 @@
-{
-  "id": "Origin_User_Guide_2025b_E_task1",
-  "snapshot": "origin",
-  "instruction": "在 Origin 中通过 Data → Connect to File 导入一个本地 Excel 文件 example.xlsx",
-  "source": "custom",
-  "config": [
-    {
-      "type": "upload_file",
-      "parameters": {
-        "files": [
-          {
-            "local_path": "evaluation_examples/data/origin/example.xlsx",
-            "path": "C:\\Users\\user\\Desktop\\example.xlsx"
-          }
-        ]
-      }
-    },
-    {
-      "type": "launch",
-      "parameters": {
-        "command": [
-          "C:\\Program Files\\OriginLab\\Origin2025b\\Origin64.exe",
-          "C:\\Users\\user\\Desktop\\example.xlsx"
-        ]
-      }
-    },
-    {
-      "type": "sleep",
-      "parameters": {
-        "seconds": 5
-      }
-    }
-  ],
-  "trajectory": "trajectories/",
-  "related_apps": [
-    "origin"
-  ],
-  "evaluator": {
-    "postconfig": [
-      {
-        "type": "sleep",
-        "parameters": {
-          "seconds": 3
-        }
-      }
-    ],
-    "func": "vllm_eval"
-  },
-  "proxy": false,
-  "fixed_ip": false,
-  "possibility_of_env_change": "low",
-  "metadata": {
-    "input_files": [
-      "example.xlsx"
-    ],
-    "steps": "1. 单击顶部主菜单栏中的 \"Data\" 菜单。\n2. 在展开的下拉菜单中，将鼠标悬停或单击 \"Connect to File\" 菜单项以展开子菜单。\n3. 在展开的子菜单中，单击选中 \"Excel...\" 选项。\n4. 在弹出的文件选择对话框中，单击选中文件名输入框将光标定位至此。\n5. 在文件名输入框中，输入文字 \"example.xlsx\"。\n6. 单击对话框右下角的 \"Open\"（或\"打开\"）按钮。 \n7. 单击新弹出对话框中的 \"OK\" 按钮。",
-    "steps_original": "1. 在 Origin 的主菜单中选择 Data → Connect to File。\n2. 点击 Connect to File 菜单中的按钮。\n3. 选择文件 example.xlsx 并点击 Open。\n4. 数据将被加载到当前的工作表中。"
-  }
-}

evaluation_examples/test_final.json

@@ -26,7 +26,7 @@
   ],
   "origin": [
     "Origin_User_Guide_2025b_E_task2",
-    "Origin_User_Guide_2025b_E_task3", 
+    "Origin_User_Guide_2025b_E_task3",
     "Origin_User_Guide_2025b_E_task4",
     "Origin_User_Guide_2025b_E_task5",
     "Origin_User_Guide_2025b_E_task8",
@@ -70,4 +70,4 @@
     "viewports_task10",
     "viewports_task11"
   ]
-}
+}