F1 分数
精确率和召回率的调和平均数，用于综合衡量分类或评估方法的准确性
核心事实
时间轴 (近 90 天)
F1 分数忽略了真反例的数量，因此在极度不平衡的数据上仍需结合其他指标判断。
F1 分数采用调和平均而非算术平均，因为调和平均对较小值更敏感，只要精确率或召回率中有一项很低，F1 分数就会被明显拉低。
在18场真实用户会话中，Agile Deliberation 将基于 Gemini 的分类器 F1 分数相比零样本基线提升了10.5个点。
F1 分数是精确率与召回率的调和平均数，取值范围为0到1（或0到100）。
F1 分数是信息检索与分类任务中常用的综合评价指标，定义为精确率与召回率的调和平均数，取值范围为 0 到 1。
在 Python 和多语言子集上，ExLabel 任务清晰度评估的 F1 相对最佳基线分别提升了 44.2% 和 49.9%。
在三种骨干 LLM 上的实验表明，ExLabel 在所有设置下均取得了最佳 F1 分数。
在多分类任务中，准确率在类别样本不均衡时会失真；精确率反映误报程度，召回率反映漏报程度，F1分数是精确率与召回率的调和平均。
F1分数是精确率与召回率的调和平均，当两者权重不同时可改用Fβ分数体现优先级
全部知识事实 (9)
F1分数是精确率与召回率的调和平均，当两者权重不同时可改用Fβ分数体现优先级
75%待验证F1 分数忽略了真反例的数量，因此在极度不平衡的数据上仍需结合其他指标判断。
50%待验证F1 分数采用调和平均而非算术平均，因为调和平均对较小值更敏感，只要精确率或召回率中有一项很低，F1 分数就会被明显拉低。
50%待验证在18场真实用户会话中，Agile Deliberation 将基于 Gemini 的分类器 F1 分数相比零样本基线提升了10.5个点。
50%待验证F1 分数是精确率与召回率的调和平均数，取值范围为0到1（或0到100）。
50%待验证F1 分数是信息检索与分类任务中常用的综合评价指标，定义为精确率与召回率的调和平均数，取值范围为 0 到 1。
50%待验证在 Python 和多语言子集上，ExLabel 任务清晰度评估的 F1 相对最佳基线分别提升了 44.2% 和 49.9%。
50%待验证在三种骨干 LLM 上的实验表明，ExLabel 在所有设置下均取得了最佳 F1 分数。
50%待验证在多分类任务中，准确率在类别样本不均衡时会失真；精确率反映误报程度，召回率反映漏报程度，F1分数是精确率与召回率的调和平均。
50%