Agent 测评的身份难题：一次任务换了模型，历史成绩还能算数吗？

一次 Agent 任务可能经过多个模型请求、故障切换、子任务和冷恢复。通过实际执行身份与三值可比性，解释历史评测何时能复用、何时需要保留未知。