RAG 使用合成样本评测时，怎样判断指标提升可信，并避免生成偏差？

RAG 提升到底是多少？HIT@5、MRR@5、Recall[@20](/users/9833585) 各提升多少？5076 条自合成样本会不会影响可信度？

评测用例是AI产出的还是人工编写的？可用性高吗？