运行可比性核对

同一套指标放在一起看之前，先要确认这两次运行是不是同一种实验。数据划分变了、损失权重调过、有效批次不同，指标数字就没法直接放在一行里。

数据划分除了比例，更可靠的是填上划分标识（split hash 或版本号）：比例相同并不证明用的是同一份划分。

这个工具只核对记录本身是否可比。它不判断方法优劣，也不判断结果是否达标。字段填得一致也不等于评测协议相同，指标定义、评测脚本和数据预处理还需要另外确认。