đánh giá

Đánh giá một hệ RAG: đo trước khi tin câu trả lời

Dựng golden set từ câu hỏi thật, đo retrieval bằng hit@k, recall@k, MRR, kiểm câu trả lời bằng luật và LLM chấm, rồi chặn thay đổi trong CI.