MLflow隔离DeepEval并发评分结果，避免把另一行分数写回当前行

DeepEvalScorer共用一个可变metric实例，并发measure后读取结果时会串行错配分数、理由和通过状态。 每次调用浅复制metric，复用judge客户端但隔离结果属性；Summarization每行生成自己的评估问题。 deepeval<4的DAG节点仍共享状态，未完全隔离；Summarization多一次judge调用且评分可能变化，不能泛称所有DeepEval安全。