使用 LlamaIndex 評估 RAG 系統的理想分塊大小

LlamaIndex 示範使用 Response Evaluation 評估 RAG 系統的理想分塊大小，並比較不同設定下的平均回應時間、Faithfulness 與 Relevancy。實驗以 Uber 2021 年 10-K 文件生成問題，使用 GPT-3.5-turbo 產生回答，再以 GPT-4 評估回答的忠實度與相關性。