MODEL & RETRIEVAL EVALUATION
不仅展示答案，
也展示系统如何被验证。
汇总检索命中、引用映射、回答耗时与人工审核结果，明确展示 Bai MedAI 的能力边界和下一轮改进方向。
报告更新时间读取中…PERFORMANCE
端到端耗时
平均总耗时
—
Agentic 检索—
回答生成—
评估脚本对全部 ready 问题执行真实 API 调用，不以“是否返回内容”代替正确性审核。
HUMAN REVIEW
回答质量分解
TOPIC COVERAGE
按康复主题查看质量
| 康复主题 | 问题数 | 审核完成 | 质量得分 | 需改进回答 |
|---|---|---|---|---|
| 正在加载主题评估… | ||||
Retrieval ground truth
每个评估问题人工标注预期 PMCID，以 Recall@K 与 MRR 判断检索结果。
Citation validation
检查回答中的每个编号是否存在、是否连续，并保留原始 retrieval rank。
Eight-field review
审核证据支持、引用对应、完整性、不确定性、安全边界与必含概念。