Weet wat je indexwijziging deed.

Hit rate, recall, MRR en nDCG bij de cutoff die je kiest, gelezen uit de vastgelegde kandidaten; geldigheid van citaties ten opzichte van de context die het model kreeg; judges voor gefundeerdheid en citatieonderbouwing die die context lezen. Een cutoff dieper dan wat de retriever teruggaf, wordt geweigerd, niet als misser gescoord.

Elke fase wordt apart gecachet, dus een promptwijziging zoekt nooit opnieuw. De diagnose draait mislukte cases opnieuw met de juiste passage naast een controle en labelt elk als retrievalmisser, uit de ranking gevallen, uit de context verloren of generatiefout.

Kandidaat en baseline worden case voor case gepaard tegen de marges die je declareert. Een regel slaagt alleen als zijn interval de marge haalt; een interval dat te breed is om iets te zeggen, blokkeert de release als onvoldoende bewijs, met het bewijs bewaard naast de beslissing.