定義
回答関連性とは、LLMが生成した回答が、入力された質問の意図や文脈にどれだけ的確に対応しているかを測るRAG評価指標のこと。
回答関連性 (Answer Relevance)とは（詳しく解説）
回答関連性(Answer Relevance)は、RAGやLLMアプリケーションの品質評価で使われる指標のひとつとされる。埋め込みベースのコサイン類似度や、別のLLMに採点させるLLM-as-a-judge方式で、生成された回答が元の質問の意図とどれだけ意味的に整合しているかをスコア化する手法が広く採用されている。2026年時点の実運用でよく踏む落とし穴は、事実誤りを含む回答でも質問文と表現が似ていれば関連性スコアが高く出てしまう点で、忠実性(Faithfulness)など他の評価軸と組み合わせないと精度の実態を見誤りやすい。コスト面では、評価のたびに高性能モデルをLLM-as-a-judgeとして都度呼び出すと相場感として運用コストが膨らむため、軽量な埋め込みモデルによる代替評価や、サンプリング頻度を絞った回帰テスト運用が現場で選ばれやすい。
この解説の引用について
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「回答関連性 (Answer Relevance)とは」 https://aipicks.jp/glossary/answer-relevance
回答関連性 (Answer Relevance)の使用例
- RAGチャットボットに返品ポリシーはと聞いた際、返品条件に絞って答えれば関連性スコアは高く評価される。
- 質問と無関係な一般論を長く答えると、内容が正しくても回答関連性スコアは低く判定される。
