5. Tổng hợp qua nhiều truy vấn

5.1 Macro vs micro average

	Cách tính	Hệ quả
Macro	Tính metric cho từng truy vấn, rồi lấy trung bình	Mỗi truy vấn có cùng trọng số ✅
Micro	Gộp tất cả hit/miss của mọi truy vấn rồi tính một lần	Truy vấn có nhiều doc liên quan chi phối ❌

Trong IR, luôn dùng macro. Đó là mặc định của trec_eval và của mọi paper. Lý do: đơn vị quan tâm là “một người dùng gõ một câu hỏi”, không phải “một cặp (query, doc)”.

Bản metrics.py từng có trong repo dùng macro — đúng. (Code đã được gỡ; xem §9.)

5.2 Phân tích theo lớp truy vấn

Điểm trung bình toàn cục che mất thông tin hữu ích: một hệ có thể tăng điểm tổng nhờ giỏi hơn ở lớp A mà đồng thời tệ đi ở lớp D. Chỉ bảng chia theo lớp mới cho biết bạn vừa đánh đổi cái gì.

Nhưng chú ý cỡ mẫu: với 24 truy vấn chia 4 lớp = 6 truy vấn/lớp. Ở mức đó, bảng per-class chỉ dùng để chẩn đoán định tính (“class D sụp hẳn, đi xem tại sao”), tuyệt đối không dùng để ra quyết định A/B. Xem §6.

Phần 2 — Metrics