第 18 课：怎样判断生成答案的质量

“最多三本，无需押金［B］。”数量对了，还带引用，看起来像个合格答案。把句子拆开，问题就出来了：B 说三本，没有说押金。一个正确数字，遮住了旁边那条无依据结论。

一句一句看，比整体打分更容易

先检查事实是不是适用的规则，再检查这次提供的证据是否支持它。两者有区别：碰巧说对却找不到依据，不便复查；照着过期文件说，也可能不适用于当前问题。

引用也逐条看。编号存在吗？原文支持这句话吗？时间、对象和版本对吗？D 能支持特殊闭馆，不能支持普通周日的开放时间。来源标记的数量，不等于被核对过的事实数量。

甲：可以续借七天。乙：未被预约的书，可在到期前续借一次，延长七天［C］。丙：随时能无限续借，每次七天［C］。

问次数与时长时，甲不完整，还漏条件；乙回答了问题，也保留条件；丙虽然有正确的七天，却把次数与资格改错了。只找答案里有没有出现“七天”，这三条就会被混为一谈。

完整性还包括是否回答所有部分。日期比较只说当天闭馆，少了普通周日；证件加押金题全部拒答，又把能回答的证件要求丢掉。已知与未知分别说出来，才贴近用户的问题。

可以先约定：事实类题要事实正确、有证据、回答完整才通过；表达是否清楚另外记录。资料外题要说明未知且不猜测。规则写在测试前面，别一题严格、一题只看大意。

第七题若答“十八日全天闭馆［D］；普通周日九点到十七点［A］”，两个来源清楚。若又保证十九日一定恢复，这个保证没有明确证据，应删掉或说明不确定。合理推断也不该写成通知原话。

拿你保存的五次实验逐句核对，再对十题评分。通过八题，就记八题，也把两道失败题写出来。它们若都涉及日期，说明总分可能把同一个短板藏住了。

开头那句话怎么改

“三本”保留并引用 B；“无需押金”改为提供的资料无法确定押金要求。修改前是部分事实正确，但整题仍不通过。评分要能说明这个区别。