首版（v1.0）以法實證資料庫中 211 篇 COVID-19 疫情言論相關案件為基礎，評估 RAG 系統的兩大能力：檢索品質（能否找回正確文件，以 nDCG@5 衡量）與生成品質（能否依文件產生正確、無幻覺的答案，以 Entity Matching、Hallucination 等指標衡量）。
註：訓練集供模型學習與開發、驗證集用於超參數調整與模型選擇，測試集則保留作為最終評估，不參與開發與調參。