Почему метрики Recall и NDCG считались по top-5, а не по top-10 или top-15?

K выбирают по реальному использованию выдачи: сколько документов видит пользователь или получает генератор. Top-5 оправдан, если именно пять результатов влияют на продуктовый сценарий.

Сравните качество при нескольких K и компромисс между recall, шумом, latency и размером контекста. Не выбирайте K только потому, что на нём красивее метрика. NDCG оценивает порядок, Recall — покрытие; обе метрики требуют согласованной разметки и одинакового протокола сравнения.