Eval v4: encontrar el documento no basta; también hay que encontrar la evidencia
Construimos una evaluación manual de 42 preguntas para medir listas completas, vigencias, referencias jurídicas, consultas multidocumento, monitoreo y premisas falsas. La corrimos contra BM25 completo y un índice vectorial al 38.2% para fijar una línea base antes de terminar los embeddings.
Joaquín Bravo ContrerasLeer más