Saiba o que a sua mudança de índice fez.

Taxa de acerto, recall, MRR e nDCG no corte que você escolher, lidos dos candidatos registrados; validade das citações em relação ao contexto que o modelo recebeu; juízes de fundamentação e de suporte das citações que o leem. Um corte mais profundo do que o recuperador retornou é recusado, não pontuado como erro.

Cada etapa fica em cache separadamente, então uma mudança de prompt nunca busca de novo. O diagnóstico executa de novo os casos com falha usando o trecho correto ao lado de um controle e rotula cada um como falha de recuperação, fora do ranking, perdido do contexto ou falha de geração.

Candidato e baseline são pareados caso a caso contra as margens que você declara. Uma regra passa só quando o intervalo dela ultrapassa a margem; um intervalo largo demais para dizer bloqueia o lançamento por evidência insuficiente, com a evidência guardada ao lado da decisão.