Đo độ trung thực câu trả lời sinh ra

Hệ thống được hỏi câu hỏi tự nhiên tương ứng drug+attribute, câu trả lời thật được chấm: số liệu bắt buộc khớp deterministic (regex), faithfulness/coverage/readability qua LLM-judge so với văn bản gốc.

Mỗi dòng gọi pipeline /chat thật + 1 lời gọi LLM-judge để chấm faithfulness/coverage/readability.