RAG 评测翻车案例：历史问题重放需还原数据状态

Alexey Grigorev 分享了 FAQ RAG 系统评测中的反直觉失败案例。历史学生问题在重放时因已进入知识库被正确判为 DUPLICATE，评测框架却将其记为失败；其采用 leave-one-out 评测，先删除该问题当初生成的 FAQ 条目，并用 Cometml Opik 追踪实验。