Benchmark

Misura l'impatto reale del proxy + ESD su 4 pipeline (A=direct LLM, B=direct+ratio, C=proxy no ESD, D=proxy+ESD). Solo master può eseguire e visualizzare. Costo: ~8 LLM call per prompt (4 generation + 4 judge).

Confronta 4 pipeline sullo stesso golden set: A=direct LLM, B=direct+ratio, C=proxy no ESD, D=proxy+ESD. Misura l'impatto reale del proxy+ESD. ~8 LLM call per prompt (4 generation + 4 judge). Judge consigliato: Zai (evita bias auto-approvazione M3). Vedi docs/EVAL.md#benchmark.