Sabe qué hizo tu cambio de índice.

Tasa de aciertos, recall, MRR y nDCG en el corte que elijas, leídos de los candidatos registrados; validez de las citas frente al contexto que recibió el modelo; jueces de fundamentación y de respaldo de citas que lo leen. Un corte más profundo de lo que devolvió el recuperador se rechaza, no se puntúa como fallo.

Cada etapa se almacena en caché por separado, así que un cambio de prompt nunca vuelve a buscar. El diagnóstico vuelve a ejecutar los casos fallidos con el pasaje correcto junto a un control y etiqueta cada uno como fallo de recuperación, fuera del ranking, perdido del contexto o fallo de generación.

Candidato y línea base se emparejan caso por caso frente a los márgenes que declaras. Una regla pasa solo cuando su intervalo supera el margen; un intervalo demasiado ancho para saberlo bloquea la publicación por evidencia insuficiente, con la evidencia guardada junto a la decisión.