待验证50% 置信事实精确时间

Macro-F1对每个类别分别计算F1分数后取算术平均，不考虑各类别样本数量差异，更能反映模型在少数类别上的表现

1

来源数

50%

置信度

长期有效

时效性

2026/10/8

首次发现

来源

Emo-Jev：用概率推理重构情感分类的免训练新范式

涉及实体

Macro-F1concept

相关事实

待验证在二分类混淆矩阵中，F1分数是精确率和召回率的调和平均76% 相似待验证七个二分类子任务的平均F1值在各模型间聚集于70.4到79.2之间72% 相似待验证70到80之间的F1水平意味着当前模型表现更适合作为研究参照，而非直接落地的判决辅助工具66% 相似待验证反讽检测任务在标准数据集（如iSarcasm、SemEval系列）上的最佳F1分数长期徘徊在70%-80%区间65% 相似待验证在不平衡分类问题中，即使模型将所有样本都预测为多数类也能获得很高的准确率，因此需要转向精确率-召回率曲线、F1分数、Matthews相关系数或AUC-ROC等更具鉴别力的指标63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/986617

API

curl https://kongchang.com/api/v1/knowledge/claims/986617

MCP

get_claim(id=986617)