✨ feat: 重构评估指标并补充 precision/recall

[zrr-bot]

摘要

• 重构评估指标计算逻辑，抽离统一的类别指标与汇总结构，减少准确率、Precision、Recall、F1 的重复计算代码
• 为训练评估结果补充 weighted precision、weighted recall，以及对应的类别级 precision/recall 输出
• 新增针对指标计算与 Typst 导出的单元测试，覆盖本次重构后的核心行为

验证

• uvx pre-commit run --files src/recognize/evaluate.py tests/test_evaluate.py
• uv run --python 3.12 python -m unittest tests/test_evaluate.py
• uv run --python 3.12 pyright src/recognize/evaluate.py tests/test_evaluate.py

说明

• 本 PR 聚焦于 优化指标计算部分的逻辑，增强扩展性 #5 的指标重构与 precision/recall 支持
• 多次测试取平均值，并加回交叉验证 #6 提到的交叉验证/多次测试取均值未在本次改动中处理，后续可单独推进

Fixes #5

[zrr-bot]

Portfolio follow-up: review is currently blocked by the failing CodeStyle Check job, while Type Check is green. Please address the style/pre-commit issue first, then re-run CI so this PR can be re-triaged cleanly.