PRIME

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

• NVIDIA GPU 与 CUDA 环境（示例使用 vLLM + torch.cuda）
• Python 环境，需安装 torch、transformers、vllm、tqdm（源自 README 示例 import）
• 可访问 HuggingFace 下载模型 PRIME-RL/Eurus-2-7B-PRIME（约 7B 参数）
• Python 3.x 运行环境与足够磁盘空间存放模型权重

安装与启动步骤

1. 1克隆项目仓库

   README 未给安装命令，先从项目地址拉取代码，得到 training、data_preprocessing、eval 三个目录。

   git clone https://github.com/PRIME-RL/PRIME.git

   复制

2. 2进入项目目录

   切换到仓库根目录，后续脚本与数据准备都以该目录为基准。

   cd PRIME

   复制

3. 3安装推理依赖

   README 推理示例导入了这些库，建议在独立虚拟环境中安装，版本按各自兼容性选择。

   pip install torch transformers vllm tqdm

   复制

4. 4设置任务提示词

   数学题追加 Present the answer in LaTex format: oxed{Your answer}；代码题追加代码输出提示词。

5. 5编写推理脚本

   把 README 的 inference code 保存为 py 文件，按需修改 model_path 与 all_problems。

6. 6运行推理验证

   执行保存的脚本，观察控制台打印的 completions 与推理步骤是否符合预期。

   python prime_inference.py

   复制

关键配置

如何确认成功

脚本打印出回答，内容含 [ASSESS]/[ADVANCE]/[OUTPUT] 等推理步骤并以 oxed{9.9} 给出结论即为成功。

常见问题

注意事项

• README 未给出依赖清单与安装命令，pip 依赖由示例代码的 import 推断，请自行确认版本兼容。
• 示例推理需要 GPU，vLLM 会按 tensor_parallel_size 与 gpu_memory_utilization 分配显存。
• 数学与代码任务必须分别套用 README 提供的提示词模板，否则结果格式可能不符合预期。
• 仓库仅提供训练/评测/数据处理代码目录说明，具体启动方式需进入各目录查看。