Métricas de recuperação (recall@k, nDCG, MRR)
Métricas de recuperação (retrieval metrics) avaliam quão bem um sistema de busca retorna documentos relevantes. O recall@k verifica quantos itens relevantes aparecem entre os k primeiros, o nDCG recompensa colocá-los no alto e o MRR mede quão cedo aparece o primeiro correto.
Também chamado: recall@k, nDCG, MRR, precision@k, mean reciprocal rank
Por Divya Sharma · Verificado em 15 de nov. de 2026 · Como analisamos
Se o seu app de retrieval-augmented generation dá respostas ruins, a primeira pergunta é se a recuperação encontrou os trechos certos. As métricas de recuperação respondem a isso separadamente da qualidade da resposta. Você precisa de um conjunto rotulado: consultas com os documentos que deveriam voltar, muitas vezes parte de um golden dataset.
Recall@k
De todos os documentos relevantes para uma consulta, que parcela está nos k primeiros resultados? Se três trechos respondem a uma pergunta e dois estão entre os 5 primeiros, o recall@5 é de dois terços. Para RAG, esse costuma ser o número mais importante, já que o modelo só pode usar o que recebe.
Precision@k
Dos k primeiros resultados, que parcela é relevante? Precisão baixa significa que o prompt está cheio de ruído.
nDCG
O normalized discounted cumulative gain usa relevância graduada (muito relevante, um pouco, nada) e dá menos crédito quanto mais baixo um bom resultado aparece. Ele é normalizado para uma escala de 0 a 1 para que as consultas possam ser comparadas. Muitos benchmarks de recuperação, incluindo as tarefas de recuperação do MTEB, o informam.
MRR
O mean reciprocal rank olha só para o primeiro resultado correto: 1 se ele for o primeiro, 1/2 se for o segundo, 1/3 se for o terceiro, com média entre as consultas. Ele combina com tarefas que têm uma única resposta certa.
Como usar
Rode o mesmo conjunto de consultas sempre que mudar o chunking, o modelo de embedding, o reranking ou as configurações do índice. Combine as métricas de recuperação com a avaliação de LLM das respostas finais.
Termos relacionados
- Avaliação de LLM
- Avaliação de LLM (LLM evaluation), muitas vezes chamada de evals, é medir o quão bem um modelo ou uma aplicação de IA executa uma tarefa, rodando-o em um conjunto de casos de teste e pontuando as saídas segundo critérios definidos, por código, por pessoas ou por outro modelo.
- Golden dataset
- Um golden dataset (conjunto de referência) é um conjunto fixo e cuidadosamente verificado de entradas de exemplo associadas às respostas ou ao comportamento esperados, usado como referência quando você avalia ou faz testes de regressão em um sistema de IA.
- MTEB
- O MTEB, Massive Text Embedding Benchmark, é um benchmark público com leaderboard que avalia modelos de embedding de texto em muitos tipos de tarefa, como recuperação, clustering, classificação e reranking, sobre muitos datasets e idiomas.
- Reranking
- Reranking (reordenação) é uma segunda etapa de busca que pega uma lista curta de documentos candidatos e os reordena por relevância para a consulta, usando um modelo mais preciso, porém mais lento, que o da primeira busca.
- Retrieval-augmented generation
- Retrieval-augmented generation (RAG, geração aumentada por recuperação) é um padrão em que um sistema primeiro busca em uma coleção de documentos os trechos relevantes para uma pergunta e depois entrega esses trechos a um modelo de linguagem para que a resposta se baseie neles.