Um teste pequeno para resumos: contar omissões antes de avaliar a fluidez
Uma proposta de teste, sem resultado medido: usar a mesma nota fictícia em duas conversas novas. Na primeira, pedir um resumo em três frases. Na segunda, pedir fatos, exceções, pendências e próximos passos separados, preservando os números.
Antes de gerar as respostas, listar quais informações precisam aparecer. Depois contar separadamente omissões, alterações e detalhes inventados. Guardar as duas saídas, inclusive a pior.
Isso compara duas instruções numa amostra; não vira um ranking de modelos. Que tipo de erro vocês contariam à parte?