Cohere 提出检索评测新指标 RCP-nDCG@10，用校准 AI 评审弥补 qrels 覆盖缺口

Cohere 提出 RCP-nDCG@10，用基于相关性评分细则的校准 LLM 评审给每条检索结果打分，取代依赖既有 qrels 的传统 nDCG。46 人盲测中，两指标分歧时评审员 70% 站在 RCP-nDCG 一边（整体 77% 对 52%），qrel 预测人类判断的 AUC 仅 0.65，LLM 校准分数达 0.91。