Method eval

src/benchmark/leetcode.py:1211–1230

评测任务 - 现在使用批量队列模式。 将任务加入队列，当队列满时自动批量评测。 调用方需要在所有任务完成后调用 flush_eval_queue() 处理剩余任务。 时间记录： - inference_time: 推理耗时（由调用方设置） - submit_time: 浏览器提交耗时 - spend_time: 总处理时间 = inference_time + submit_time

(self, task: Task)

            return batch_tasks

    async def eval(self, task: Task) -> Optional[Task]:
        """
        评测任务 - 现在使用批量队列模式。
        
        将任务加入队列，当队列满时自动批量评测。
        调用方需要在所有任务完成后调用 flush_eval_queue() 处理剩余任务。
        
        时间记录：
        - inference_time: 推理耗时（由调用方设置）
        - submit_time: 浏览器提交耗时
        - spend_time: 总处理时间 = inference_time + submit_time
        """
        await self.queue_for_eval(task)
        
        # 检查任务是否已被评测（队列满时会自动触发评测）
        if task in self._tasks:
            return task
        
        # 任务还在队列中，返回未评测状态
        return task
        
    async def stats(self) -> Optional[Stats]:
        total = len(self._data_records)