feat(scripts): infer_video_mme.sh 推理实验入口

零参数全量 900 题、N_SAMPLES smoke test、TASK_TYPES 筛选、版本覆盖。

Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>

scripts/infer_video_mme.sh

@@ -0,0 +1,41 @@
+#!/usr/bin/env bash
+# Video-MME 推理实验（TRM5 基线）
+# 职责：在 900 道 Video-MME 题上跑全量推理，生成基线记录。
+# 用法:
+#   bash scripts/infer_video_mme.sh                                        # 全量 900 题
+#   N_SAMPLES=10 bash scripts/infer_video_mme.sh                           # smoke test
+#   TASK_TYPES="Action Recognition,Counting Problem" bash scripts/infer_video_mme.sh  # 只跑指定题型
+#   SKILLS_VERSION=v2 PROMPTS_VERSION=v2 bash scripts/infer_video_mme.sh   # 指定版本
+set -euo pipefail
+
+cd "$(dirname "$0")/.."
+
+CUDA_VISIBLE_DEVICES="${CUDA_VISIBLE_DEVICES:-0}"
+export CUDA_VISIBLE_DEVICES
+
+# 加载环境变量（API key 等）
+set -a
+source .env
+set +a
+
+PYTHON="$(conda run -n Video-Tree-TRM which python)"
+
+EXTRA_ARGS=()
+
+if [[ -n "${TASK_TYPES:-}" ]]; then
+    IFS=',' read -ra TYPES <<< "${TASK_TYPES}"
+    EXTRA_ARGS+=(--task-types "${TYPES[@]}")
+fi
+
+"${PYTHON}" main.py \
+    --workspace-dir workspaces/default \
+    --store-dir store \
+    --mode infer \
+    --concurrency 24 \
+    --max-steps 40 \
+    --skill-mode auto \
+    --n-samples "${N_SAMPLES:-0}" \
+    --questions benchmarks/Video-MME \
+    --skills-version "${SKILLS_VERSION:-v1}" \
+    --prompts-version "${PROMPTS_VERSION:-v1}" \
+    "${EXTRA_ARGS[@]}"