DeepSearchQA 与 OfficeQA 配置

DeepSearchQA 可使用 examples/deepsearchqa_serper_jina.yaml： benchmark.retrieval.provider: serper，搜索密钥放在其 api_key； benchmark.retrieval.reader.provider: jina，阅读密钥放在 reader 的 api_key。 两项凭据分别发送给 Serper 与 Jina，保存在主机配置中，不发给答题模型。

Judge 配置独立于 Target 和 Worker。默认 benchmark.judge.provider: google 使用原生 gemini-2.5-flash；显式选择 openai 可使用 DeepSeek 等兼容服务。 后者沿用固定评分提示、解析和指标公式，记录实际 Judge 模型及 custom 身份， 不等同官方 Gemini 分数。如需与 Target 使用同一模型，应显式填写相同连接配置。

复制示例为 *.local.yaml，填好凭据后依次执行：

python scripts/run_experiment.py --config deepsearchqa.local.yaml --plan
python scripts/run_experiment.py --config deepsearchqa.local.yaml --check-only
python scripts/run_experiment.py --config deepsearchqa.local.yaml

OfficeQA-Pro 使用 examples/officeqa_pro_opro.yaml。 benchmark.corpus_path 指向完整公开文档目录，题目与答案 CSV 不放在该目录中。 默认从固定版本的 databricks/officeqa 获取题目，HF 访问授权通过环境中的 HF_TOKEN 提供；已有完整原生 CSV 可显式设置 benchmark.data_path 复用。 示例的 1/1/1 是自定义实验划分，不是上游官方 train/dev/test。

服务协议参考：Serper、Jina Reader。