повторный ранжировщик на основе кросс-энкодера. Оба изменения снизили метрику: гибрид дал 55%, повторный ранжировщик — 64%, а комбинация гибрида и повторного ранжировщика — 57%. Анализ показал, что BM25 оказался неэффективен из-за отсутствия точных токенов в корпусе обучающих вопросов, а повторный ранжировщик испортил уже хорошее ранжирование. Единственным полезным изменением стала настройка порога отсечения под роль бота (в качестве запасного варианта, а не финального ответчика): это улучшило полезный вывод без необходимости дополнительного кода. Главный вывод: в RAG важны не отраслевые стандарты, а честные измерения и очистка данных.