Как выбрать метрику под задачу? Верни JSON {"metrics": [список из 2+ метрик], "why": "кратко"}.
Метрика под тип задачиМетрика должна соответствовать типу задачи. Для строгих форматов (JSON, классы, числа) — точное совпадение, валидность, точность по классам: дёшево, объективно, автоматизируемо. Для открытых ответов (совет, письмо, резюме) точного эталона нет — оценивают по рубрике: человеком или моделью-судьёй по чётким критериям. Плюс сквозные метрики: доля прохождения (pass-rate), стоимость, задержка. Одна метрика редко покрывает всё — комбинируй. Правило: сначала реши, что значит «хорошо» для ЭТОЙ задачи, потом выбирай метрику; нельзя улучшать то, что не измеряешь.