Keystone Bench：检查决策是否随关键证据改变

Keystone Bench 用关键事实的变化检验决策是否随证据改变，避免只评价原题得分。 项目通过移除、替换和反驳临床决策的关键事实，评估聊天助手及评分量规是否对证据变化敏感。