RAG 可信引用评测：为什么引用语义支持不应成为绝对红线

作者提出，RAG 的引用完整性可以由程序确定性校验，但引用支持涉及语义判断，不能因单次 LLM-as-a-Judge 判定为 unsupported 就直接阻断发布。文章基于固定的 10 个答案比较不同判官版本，说明仅改变判官就可能让通过、失败和 pending 结果波动。作者据此建议将红线分为确定性完整性错误、高置信语义候选和普通质量问题，并对语义候选引入人工复核与可审计记录。