v0.0.1

The code behind the README results: 100 items each of GSM8K, IFEval, MBPP+ and GPQA, seed 0, on an RTX 5090 and an RTX 4070 Laptop. Later work is on main.

README 里的成绩对应这个版本：GSM8K、IFEval、MBPP+、GPQA 各 100 题，seed 0，RTX 5090 和 RTX 4070 Laptop 上测的。之后的改动在 main 上。