JoshPurtell 解释模型评测中的 effort 档位设置

JoshPurtell 说明其模型评测会对每个模型运行全部 effort 档位（如 low、max、xhigh），每个任务在每档进行 3 次 rollout，并取最强档位得分。由于不同模型的最佳档位不一致，统一覆盖全部档位可避免因设置不当而误判模型能力。