agent benchmarks

Дрейф выдачи: почему бенчмарки RAG врут и как это починить

Бенчмарк RAG-агентов меняется сам по себе: выдача дрейфует, а вы думаете, что улучшилась модель. Двухслойная архитектура эвалюации и рабочий код.