[P1] 正式化 eval 子类型命名和目录结构

[ShadyUnderLight]

问题

case / rubric / distillation / meta-eval 四种子类型仅靠 evals/README.md 约定区分，未在目录或命名中正式化。

需要做什么

• 决定是否正式化、采用哪种方案
• 实施方案并更新相关文档

参考

• ROADMAP.md P1
• evals/README.md