feat: 更新 Jade/VESTA 任务定义 + 最终评测清单

- Jade: 15个任务JSON更新 (instruction细化 + metadata.steps详细展开)
- VESTA: 10个任务JSON重构 (统一使用NaCl.cif/anatase_TiO2.cif + 步骤重写)
- VESTA: 删除task1, 新增2个CIF数据文件
- 新增 test_final.json (11 jade + 10 vesta = 21 tasks)
- run_proxmox.sh: MODEL→gpt-5.4, MAX_STEPS→35, TEST_META→test_final.json

run_proxmox.sh

@@ -12,15 +12,15 @@ export PROXMOX_VM_IP="10.10.17.10"
 
 # ---------- LLM API 配置 ----------
 # OpenAI 兼容代理（同时用于 Agent 模型和 Eval 模型）
-export OPENAI_API_KEY="sk-EQGuvk0rS7EG4Cu22cF6D5Cc3a324c88B2E2D432Bc59Bb17"
+export OPENAI_API_KEY="sk-5zk3CL73E2DsNyMn5a6dA357B6214eEd9240A674Ec0555Be"
 export OPENAI_BASE_URL="https://vip.apiyi.com/v1"
 
 # ---------- 评测参数（按需修改） ----------
 PROVIDER="proxmox"
 VM_ID="102"                                    # Proxmox 上的 VM ID
-MODEL="gpt-5.2-chat-latest"                    # Agent 模型
+MODEL="gpt-5.4"                    # Agent 模型
 EVAL_MODEL="gemini-3.1-pro-preview"            # 评测模型
-MAX_STEPS=50                                   # 每个任务最大步数（公共评测指南推荐50）
+MAX_STEPS=35                                   # 每个任务最大步数（公共评测指南推荐50）
 SLEEP_AFTER_EXEC=3                             # 每步执行后等待秒数
 TEMPERATURE=0.5                                # 生成温度（越低越稳定可复现）
 TOP_P=0.9                                      # nucleus sampling
@@ -31,10 +31,10 @@ ACTION_SPACE="pyautogui"                       # 动作空间
 SCREEN_WIDTH=1920                              # 屏幕宽度
 SCREEN_HEIGHT=1080                             # 屏幕高度
 RESULT_DIR="/Volumes/Castor/课题/results"                  # 结果输出目录
-TEST_META="evaluation_examples/test_curated.json"  # 评测任务列表
-DOMAIN="jade"                                  # 评测领域
+TEST_META="evaluation_examples/test_final.json"  # 评测任务列表
+DOMAIN="vesta"                                  # 评测领域
 SNAPSHOT_NAME="snapshot"                     # 快照名称（需提前创建）
-INJECT_STEPS=false                             # 是否注入教程步骤到 Agent prompt（baseline 不注入）
+INJECT_STEPS=false                            # 是否注入教程步骤到 Agent prompt（baseline 不注入）
 
 # ---------- 预检查 ----------
 echo "=== 预检查 ==="