配对设计

配对设计将同一案例分别喂给两个模型，比较同一案例上的通过/失败状态，以消除案例难度差异带来的方差。

在配对设计下，任何路由抖动、温度采样或重跑不稳定端点，都会把配对数据退化成非配对数据，使 McNemar 检验的前提失效。

在配对设计下，每个案例在固定后端下只判定一次（或 k 次重复后多数决），并保证两条腿使用完全相同的提示词。