v0.1.0 — Reproducible Agent Evaluation Lab

首个招聘展示版本。

• 轨迹完整性和证据式完成判定
• 结构化失败类型归因
• 配对 A/B、Fail→Pass / Pass→Fail 和 exact McNemar 检验
• 3 条明确标注的合成任务，5 项自动测试
• 新增架构图、演示 GIF 和中文面试讲解材料

演示数字仅验证评测器流程，不代表真实 Agent 性能。