実務者が書いたRAGの正解データは「文書の外」を含む — 消さずに分けて測る評価の作り方

横浜銀行のアジャイル開発チームが取り組むRAG精度評価の事例。業務文書を元にLLMが回答するシステムで、現場の模範解答と原文の乖離という課題に直面。文書外の知見が含まれる場合の評価指標や検証プロセスを模索する実録です。