待验证50% 置信事实精确时间

研究团队在 EBM-NLP 词级 PICO 分类任务上采用了十二项指标的指标矩阵，包括平衡准确率、宏平均 F1、ROC-AUC 等对不平衡敏感的指标

1

来源数

50%

置信度

长期有效

时效性

2026/9/5

首次发现

来源

DRET：蒸馏式嵌入迁移让轻量模型逼近生物医学专家级性能

涉及实体

DRETconcept EBM-NLPconcept

相关事实

待验证分类模型的常用评估指标包括准确率、精确率、召回率、F1分数和ROC-AUC曲线78% 相似待验证IQ 系列量化基于重要性感知的非均匀量化，采用 Fisher 信息矩阵或激活值统计的重要性评估方法保留关键权重精度67% 相似待验证GGUF的IQ系列采用基于重要性矩阵的非均匀量化策略，通过在校准数据集上评估每个权重的敏感度来决定量化精度分配64% 相似待验证更科学的AI效能评估应参考DORA指标体系，结合部署频率、变更前置时间、缺陷逃逸率、代码圈复杂度等多维指标63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/860680

API

curl https://kongchang.com/api/v1/knowledge/claims/860680

MCP

get_claim(id=860680)