5 Commits

Author	SHA1	Message	Date
lizhanyuan	252d2f79ce	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)	2026-03-27 14:34:32 +08:00
kingyang0	a38d2faec3	修改了origin启动地址	2026-03-26 10:46:29 +08:00
kingyang0	ae202be7b9	Update origin task	2026-03-19 17:58:11 +08:00
lizhanyuan	9431bd5bfc	data: 精炼已有 avogadro/imagej/origin/ovito/pymol/vesta 任务的 metadata steps	2026-03-04 10:43:49 +08:00
lizhanyuan	9899d4a0c7	feat: 新增科研软件 benchmark 任务数据 ... - 新增 avogadro/imagej/jade/origin/ovito/pymol/vesta 等科研软件任务 JSON - 修改 vllm_eval.py，修改图片文件名称为第x步 - desktop_env.py 添加额外数据参数 config 和 metadata	2026-02-25 15:19:36 +08:00