方应 0835b05ae4 refactor(benchmark): 重构LongMemEval基准测试中的ReMe实例管理 ... - 移除未使用的shutil导入 - 将固定的ReMe实例改为每个问题创建独立实例以实现隔离 - 更新LLM配置名称从qwen3-max-think到qwen-max-t - 修改模型调用逻辑使用正确的model_name参数 - 添加qwen-flash和GPT-4o-mini等新模型配置 - 统一使用"User"作为用户名，通过集合名实现隔离 - 调整并发处理数从4降至1，批处理大小从10增至30 - 每个问题类型采样数从2增至4 - 添加异步上下文管理确保资源正确释放		2026-03-02 20:42:26 +08:00
..
appworld	update for pre-commit check	2026-02-27 13:30:22 +08:00
bfcl	update for pre-commit check	2026-02-27 13:30:22 +08:00
halumem	halumem和longmemeval的Benchmark评估代码 (#124)	2026-03-02 18:58:37 +08:00
longmemeval	refactor(benchmark): 重构LongMemEval基准测试中的ReMe实例管理	2026-03-02 20:42:26 +08:00