同为 7/8，错误样本却不同：Agent Grader 分歧复算

作者构造三个任务各三次尝试的九行记录，复算两种判定规则：只看状态的硬规则误放行 policy/2，叠加评分的组合规则误拒绝 export/1，两者一致率同为 7/8 但错误样本不同。不确定参考 policy/1 不计入一致率分母，参考覆盖率为 8/9，须与一致率同时报告。复算说明应保留逐行结果与不确定记录，并区分“至少一次成功”与“三次全部成功”的分母，避免单一总分掩盖分歧结构。