为 AI 智能体评测加一层 Trust Layer：验证基准分数是否可信

研究提出 Trust Layer for Agent Evaluation，一个不修改记录分数的事后框架，核查分数是否有基准自身评分逻辑支撑、通过答案是否可追溯计算、完成声明是否与实际一致、重复执行是否稳定——前三项只用已保存产物，第四项需重跑 agent。