Evaluación de calidad RAG

Un RAG no se "ve bien" por intuición: hay que medirlo en dos frentes: recuperación y generación.

Calidad de recuperación

• Recall: de los chunks relevantes, ¿cuántos recuperó?
• Precisión: de lo recuperado, ¿cuánto era realmente relevante?
• MRR / nDCG: ¿el chunk correcto quedó arriba en el ranking?

Calidad de generación

• Fidelidad (faithfulness): ¿la respuesta se apoya en el contexto o alucina?
• Relevancia de respuesta: ¿contesta lo que preguntó?
• Cobertura: ¿incluye todo lo importante del contexto?