待验证50% 置信事实精确时间
多标签F1分别计算每个标签的精确率与召回率后取平均(macro-F1)或按样本平均(micro-F1),但对所有错误一视同仁,无法体现语义层级差异。
1
来源数
50%
置信度
长期有效
时效性
2026/11/18
首次发现
来源
涉及实体
相关事实
待验证精确率、召回率、F1 值、准确率均可由混淆矩阵的四个数字推导。73% 相似已验证F1分数是召回率和精确率的调和平均数68% 相似待验证token 级 F1 分数分别计算预测序列与真实序列在 token 层面的精确率和召回率,再取调和平均,但无法区分语义等价但拼写不同的名称。68% 相似待验证在四视图测试时增强下,将扁平模型与标签相关性模型集成,在八项指标中的六项上取得最佳配置:exact match 0.694、micro-F1 0.678、macro-F1 0.456、macro-AUC 0.972。68% 相似待验证研究团队对五个当前主流LLM进行了基准测试,在事实型问题上,不提供源段落时token F1得分仅在0.18-0.30之间。65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1182496API
curl https://kongchang.com/api/v1/knowledge/claims/1182496MCP
get_claim(id=1182496)