换模型后变差还是采样噪声？作者用统计检验与开源工具 Assay 解决 eval 挥发

开发者 Professional-Run3614 开源了 Assay，用统计检验判断模型对比中的 eval 波动是真实回归还是采样噪声。做法是让每个用例在两版模型上多次运行并做多重比较校正，8/8→7/8 大概率是噪声，8/8→0/8 基本可判定回归。