待验证50% 置信决策规则精确时间

在面对高度不平衡的分类数据集时，应考虑SMOTE过采样或调整评估指标从准确率转向F1分数

1

来源数

50%

置信度

长期有效

时效性

2026/9/7

首次发现

来源

OpenAI Astra模型上线Pro版：数据科学表现超越Fable

涉及实体

SMOTEconcept F1分数concept

相关事实

待验证在类别不平衡场景下F1分数比准确率更能反映模型对少数类的识别能力75% 相似待验证微调时应使用难负样本（如同领域但不同层级的岗位）而非随机负样本，以获得最大增益71% 相似已验证若用含测试集的全量数据计算均值和标准差，会导致预处理泄漏，使评估指标虚高，无法真实反映模型泛化能力69% 相似待验证对MoE模型的量化需要格外谨慎，因稀疏激活使专家参数数值分布集中，低比特量化易造成路由偏差导致能力退化68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/869690

API

curl https://kongchang.com/api/v1/knowledge/claims/869690

MCP

get_claim(id=869690)