单次跑通不算数：skillEd 作者主张变量型 Agent 发布信号看重复评测分布

MiserableFlatworm337 主张，变量型 Agent 的发布信号应看重复评测分布，而非只报告最佳运行。重复同样案例并记录尝试次数、失败和超时，四次通过一次失败不能简单描述为“通过”。其正在开发的 skillEd 支持重复评测运行，用于区分 flaky 案例与真实改进，并非提出新 benchmark。