evaluation/compare_azr_models.sh

#!/bin/bash

# AZR 모델들과 Base 모델 성능 비교 스크립트
# 사용법: bash compare_azr_models.sh

# GPU 설정 - GPU 6번만 사용
export CUDA_VISIBLE_DEVICES=6
echo "🎯 GPU 설정: GPU 6번만 사용 (CUDA_VISIBLE_DEVICES=6)"

echo "=== AZR Models vs Base Model Comparison Script ==="
echo "이 스크립트는 다음 4개 모델을 비교합니다:"
echo "1. Qwen/Qwen2.5-7B (Base Model)"
echo "2. andrewzh/Absolute_Zero_Reasoner-Coder-7b (AZR Coder)"
echo "3. andrewzh2/Absolute_Zero_Reasoner-Base-7b (AZR Base)"
echo "4. Qwen/Qwen2.5-7B-Coder (Coder Base Model)"
echo ""
echo "📊 벤치마크: $BENCHMARKS"
echo "🎯 설정: temperature=$TEMPERATURE, max_tokens=$MAX_TOKENS, seed=$SEED"
echo ""

cd /home/ubuntu/RLVR/Absolute-Zero-Reasoner/evaluation/math_eval

# 공통 설정
BENCHMARKS="aime24,aime25,amc23,math500,olympiadbench,minerva_math"
SEED=42
TEMPERATURE=0
MAX_TOKENS=16000

echo "=== 1. Base Model (Qwen2.5-7B) 평가 ==="
bash eval_math_nodes.sh \
    --run_name qwen25_7b_base \
    --init_model "Qwen/Qwen2.5-7B" \
    --template qwen25 \
    --tp_size 1 \
    --temperature $TEMPERATURE \
    --top_p 0.95 \
    --max_tokens $MAX_TOKENS \
    --benchmarks $BENCHMARKS \
    --n_sampling 1 \
    --just_wandb false \
    --seed $SEED

echo ""
echo "=== 2. AZR Coder 7B 평가 ==="
bash eval_math_nodes.sh \
    --run_name azr_coder_7b_hf \
    --init_model "andrewzh/Absolute_Zero_Reasoner-Coder-7b" \
    --template azr \
    --tp_size 1 \
    --temperature $TEMPERATURE \
    --top_p 0.95 \
    --max_tokens $MAX_TOKENS \
    --benchmarks $BENCHMARKS \
    --n_sampling 1 \
    --just_wandb false \
    --seed $SEED

echo ""
echo "=== 3. AZR Base 7B 평가 ==="
bash eval_math_nodes.sh \
    --run_name azr_base_7b_hf \
    --init_model "andrewzh2/Absolute_Zero_Reasoner-Base-7b" \
    --template azr \
    --tp_size 1 \
    --temperature $TEMPERATURE \
    --top_p 0.95 \
    --max_tokens $MAX_TOKENS \
    --benchmarks $BENCHMARKS \
    --n_sampling 1 \
    --just_wandb false \
    --seed $SEED

echo ""
echo "=== 4. Qwen2.5-7B-Coder 평가 ==="
bash eval_math_nodes.sh \
    --run_name qwen25_7b_coder \
    --init_model "Qwen/Qwen2.5-7B-Coder" \
    --template qwen25 \
    --tp_size 1 \
    --temperature $TEMPERATURE \
    --top_p 0.95 \
    --max_tokens $MAX_TOKENS \
    --benchmarks $BENCHMARKS \
    --n_sampling 1 \
    --just_wandb false \
    --seed $SEED

echo ""
echo "=== 평가 완료 ==="
echo "결과 확인 방법:"
echo "1. wandb 대시보드에서 각 실행 결과 확인"
echo "2. 로컬 결과 파일: evaluation/math_eval/eval/eval_results/"
echo "3. 비교 분석을 위해 compare_results.py 실행"