conda create -n scicode python=3.10
conda activate scicode 切换到项目根目录
pip install -r requirements.txt pip install -e . //安装本地的SciCode包

./eval/inspect_ai/my_custom_runner.py

python ./eval/inspect_ai/my_custom_runner.py 模型名 模型url 并发数(可选，默认32)

输出结果保存在 ./output_run_custom_scicode_final/ 后缀为interactions_log.json的文件保存了对应模型的完整输出
对应模型文件夹下的，分别保存了生成的代码文件和传入的prompt
scores.json文件时最终的评测指标，pass@1的主问题通过率和子问题通过率

1、模型的调用使用固定形式，如需要修改，可修改curie/colabs/model.py 文件中的call_server函数
2、如果是从github上clone的，h5文件需要额外下载，需要下载测试数据文件 ，并保存到 ./tests/test_data.h5