答案准确率

实验发现，提高检索预算或换用更大的检索器能提升证据召回率，但并没有稳定转化为更高的答案准确率。

评估系统时不能只看 recall@k 等检索指标，而应把端到端的答案准确率、冲突消解正确率和拒答合理性作为核心监控指标。

三个核心评估指标为答案准确率、引用正确性和位置敏感度。