v0.2.0 — 配对与证据完整性升级

Agent Eval Lab v0.2.0

• 使用 taskId + repeatId + seed 严格配对，拒绝重复和孤立样本
• 成功率与 McNemar 使用同一批有效配对
• verification 证据必须与成功 tool_result 的产出一致
• 自动测试 10/10、合成演示通过、依赖漏洞 0

附件是明确标注的合成示例报告，只用于复现评测流程。