待验证50% 置信观点精确时间

AUC将所有阈值下的表现等权平均，掩盖了在特定低误报率工作阈值下的真实表现，在高安全场景可能给出误导性评估

1

来源数

50%

置信度

长期有效

时效性

2026/8/26

首次发现

来源

深度伪造检测器在扩散模型时代失效：AUC指标为何不再可靠

涉及实体

相关事实

待验证当正负样本比例极端时，PR曲线下的面积（AUPRC）往往比AUC更能揭示真实性能73% 相似待验证AUC-ROC的核心优势在于对类别不平衡不敏感，能反映模型在不同分类阈值下的综合区分能力，AUC值范围在0.5到1.0之间69% 相似待验证在极度不平衡数据集中（阳性率低于5%），PR曲线下面积（AP）往往比AUC更能反映模型对少数类的检测能力69% 相似待验证AUC的取值范围在0到1之间，数值越大代表模型分类能力越强68% 相似待验证AUC是衡量二分类模型综合性能的核心指标，0.5代表随机猜测，1.0代表完美分类67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/805202

API

curl https://kongchang.com/api/v1/knowledge/claims/805202

MCP

get_claim(id=805202)