ナレッジベース評価がなぜ「体感」で止まるか――Golden Setと3メトリクスで根本原因まで辿った記録

LLMナレッジベース運用における「良くなった気がする」という感覚的判断の危険性を指摘。主観的な改善を客観的な評価に変える重要性を説き、再現性のあるナレッジベース評価・リリース判断のための考え方を解説する。