问题答案不在知识库中时，如何评估模型回答？

上线以后，用户可能问的一个问题文档里没有的，但走了 RAG 以后可能也会有一个回答给他（大模型自己发挥回答），那你怎么去评测他回答的效果？（追问）从算法或其他角度有这种评测的机制吗？（追问）你认为打分的维度可能是什么？