FDE 第 4 课：用评测集、消融实验和拒答率验收企业 AI 系统
作者讲解企业 AI 系统验收的三个方法：评测集、消融实验和拒答准确率，并以其 HR 制度问答项目为例。他写了 64 条评测（52 条问答加 8 条应拒答），消融实验从端到端正确率 0.67 逐步提升到 0.98，还借此发现中文分词 bug；拒答准确率从 v0 的 0.00 提升到 v1 的 0.88。文末附验收时应向供应商提的问题清单。
#RAG
DEV CommunityAI 评分6666 DEV CommunityAI 评分6060 RAG 检索从 top-5 调到 top-20 会让每次回答贵 2.7 倍
作者测算把 RAG 检索的 top_k 从 5 提高到 20 会使每次回答成本变为 2.7 倍，GPT-5.6 按牌价（$2/百万输入 token、$12/百万输出 token）在每天 1 万次提问下每月多花 $4,500。