File size: 6,510 Bytes
ef16689 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 | # LAB-Bench Biomni 实验新手运行指南
这份说明用于运行 Biomni 在 LAB-Bench 上的实验，并且数据集设置要和
`/225040511/project/Hypo_Bio_OS/experiments/lab_bench/scripts` 里的 HypoBioOS
实验保持一致。
```bash
/225040511/project/Biomni/experiments/lab_bench
```
LAB-Bench 数据和代码默认位于：
```bash
/225040511/project/LAB-Bench
```
## 1. 进入 Biomni 项目
```bash
cd /225040511/project/Biomni
```
## 2. 本实验跑什么数据
不要跑 LAB-Bench 全量。为了和 HypoBioOS 对照实验一致，本实验只跑：
- `DbQA`
- `SeqQA`
默认数据设置：
- split: `test`
- dev offset: `45`
- test size: `315`
- seed: `20260514`
- shard count: `10`
- runner threads: `1`
对应 HypoBioOS 脚本里的默认环境变量：
```bash
LAB_BENCH_SPLITS=test
LAB_BENCH_DEV_SIZE=45
LAB_BENCH_TEST_SIZE=315
LAB_BENCH_SUBSET_SEED=20260514
LAB_BENCH_TEST_SHARD_COUNT=10
LAB_BENCH_N_THREADS=1
```
Biomni 这边的 `run_all_labbench_with_biomni.sh` 已经改成只代理 DbQA + SeqQA 子集，不会启动 LAB-Bench 全量 eval。
## 3. 挂 DeepSeek 后端
推荐把 DeepSeek key 写到 Biomni 项目根目录的 `.env`：
```bash
cat > /225040511/project/Biomni/.env <<'EOF'
DEEPSEEK_API_KEY=你的 DeepSeek API Key
DEEPSEEK_MODEL_NAME=deepseek-chat
DEEPSEEK_BASE_URL=https://api.deepseek.com/v1
EOF
```
也可以只在当前 shell 里临时设置：
```bash
export DEEPSEEK_API_KEY="你的 DeepSeek API Key"
export DEEPSEEK_MODEL_NAME="deepseek-chat"
export DEEPSEEK_BASE_URL="https://api.deepseek.com/v1"
```
实验脚本会自动把 DeepSeek 变量转换成 Biomni 需要的 Custom provider 配置：
```bash
BIOMNI_SOURCE=Custom
BIOMNI_LLM=$DEEPSEEK_MODEL_NAME
BIOMNI_CUSTOM_BASE_URL=$DEEPSEEK_BASE_URL
BIOMNI_CUSTOM_API_KEY=$DEEPSEEK_API_KEY
```
可以用下面命令确认 key 是否已设置，不会打印 key 内容：
```bash
for k in DEEPSEEK_API_KEY BIOMNI_CUSTOM_API_KEY BIOMNI_SOURCE BIOMNI_LLM BIOMNI_CUSTOM_BASE_URL; do
if [ -n "${!k:-}" ]; then echo "$k=set"; else echo "$k=unset"; fi
done
```
如果你把 key 写进 `.env`，上面的检查命令在手动 `source .env` 之前可能显示 unset，这是正常的；运行脚本时会自动读取 `/225040511/project/Biomni/.env` 和 `/225040511/project/LAB-Bench/.env`。
## 4. Python 环境
默认使用：
```bash
/225040511/miniconda3/envs/biomni_e1/bin/python
```
如果要换 Python，可以设置：
```bash
export LAB_BENCH_RUNNER_PYTHON=/path/to/python
```
## 5. 快速跑一个小样本
先用 debug 模式验证 DeepSeek、Biomni 和 LAB-Bench 都能跑通：
```bash
/225040511/miniconda3/envs/biomni_e1/bin/python \
experiments/lab_bench/run_labbench_with_biomni.py \
--eval DbQA \
--split test \
--debug \
--output experiments/lab_bench/results/debug_dbqa.json
```
成功后会生成：
```bash
experiments/lab_bench/results/debug_dbqa.json
```
## 6. 正式运行 DbQA 和 SeqQA
推荐使用分片脚本。它们默认后台运行、默认断点续跑，并把结果追加到 JSONL。
同时跑 DbQA + SeqQA：
```bash
export LAB_BENCH_SPLITS=test
export LAB_BENCH_DEV_SIZE=45
export LAB_BENCH_TEST_SIZE=315
export LAB_BENCH_SUBSET_SEED=20260514
export LAB_BENCH_TEST_SHARD_COUNT=10
experiments/lab_bench/run_dbqa_seqqa_biomni_experiment.sh --background --resume
```
只跑 DbQA：
```bash
experiments/lab_bench/run_dbqa_biomni_experiment.sh --background --resume
```
只跑 SeqQA：
```bash
experiments/lab_bench/run_seqqa_biomni_experiment.sh --background --resume
```
默认每个 eval 分成 10 个 shard 并行跑。可以调整 shard 数：
```bash
export LAB_BENCH_TEST_SHARD_COUNT=5
experiments/lab_bench/run_dbqa_seqqa_biomni_experiment.sh --background --resume
```
## 7. 前台调试
如果想直接在终端看到错误，使用前台模式：
```bash
experiments/lab_bench/run_dbqa_biomni_experiment.sh --foreground --resume
```
或者：
```bash
experiments/lab_bench/run_seqqa_biomni_experiment.sh --foreground --resume
```
前台模式会占住当前终端，适合调试；长时间正式实验建议用后台模式。
## 8. 结果位置
DbQA 分片结果：
```bash
experiments/lab_bench/results/dbqa_batch/dbqa_results.jsonl
experiments/lab_bench/results/dbqa_batch/dbqa_reasoning.log
```
SeqQA 分片结果：
```bash
experiments/lab_bench/results/seqqa_batch/seqqa_results.jsonl
experiments/lab_bench/results/seqqa_batch/seqqa_reasoning.log
```
`*_results.jsonl` 每行是一道题的紧凑结果，包含：
- `question`
- `answer`
- `agent_answer`
`*_reasoning.log` 保存每题的 prompt、raw output 和 Biomni reasoning log，方便排查错误。
## 9. 断点续跑和重新开始
默认推荐断点续跑：
```bash
experiments/lab_bench/run_dbqa_seqqa_biomni_experiment.sh --background --resume
```
脚本会跳过已经存在于 `*_results.jsonl` 里的问题。
如果要清空旧结果重新跑：
```bash
experiments/lab_bench/run_dbqa_seqqa_biomni_experiment.sh --background --fresh
```
## 10. 常用参数
切换 split。为了和 HypoBioOS 正式实验一致，默认用 `test`：
```bash
export LAB_BENCH_SPLITS=test
```
Biomni 分片脚本一次只支持一个 split。如果设置成 `dev test`，脚本会退出，避免和 HypoBioOS 默认测试集设置混淆。
调整 dev/test 数量：
```bash
export LAB_BENCH_DEV_SIZE=45
export LAB_BENCH_TEST_SIZE=315
```
固定抽样种子：
```bash
export LAB_BENCH_SUBSET_SEED=20260514
```
Biomni A1 runner 是有状态的，脚本默认：
```bash
LAB_BENCH_N_THREADS=1
```
不建议改成更大的值。
## 11. 检查是否在跑
查看后台进程：
```bash
ps -ef | grep lab_bench | grep -v grep
```
查看结果是否持续增长：
```bash
wc -l experiments/lab_bench/results/dbqa_batch/dbqa_results.jsonl
wc -l experiments/lab_bench/results/seqqa_batch/seqqa_results.jsonl
```
查看最近 reasoning log：
```bash
tail -80 experiments/lab_bench/results/dbqa_batch/dbqa_reasoning.log
tail -80 experiments/lab_bench/results/seqqa_batch/seqqa_reasoning.log
```
## 12. 常见报错
如果看到：
```text
No LLM API key found.
```
说明脚本没有读到 DeepSeek key。检查：
```bash
ls -lh /225040511/project/Biomni/.env
```
并确认 `.env` 里至少有：
```bash
DEEPSEEK_API_KEY=你的 DeepSeek API Key
DEEPSEEK_MODEL_NAME=deepseek-chat
DEEPSEEK_BASE_URL=https://api.deepseek.com/v1
```
如果使用临时环境变量，确认你是在同一个 shell 里先 `export`，再启动脚本。
|