待验证50% 置信事实精确时间
平衡准确率的计算方式为各类别召回率的算术平均，用于应对类别不平衡问题
1
来源数
50%
置信度
长期有效
时效性
2026/10/9
首次发现
来源
涉及实体
相关事实
待验证基准分数衡量的是模型成功稳定性和失败频率的平均值，而非峰值能力72% 相似待验证在类别不平衡场景下，模型可以通过一律预测多数类获得看似漂亮的准确率，这种现象被称为准确率悖论（Accuracy Paradox）70% 相似待验证反射对称化是统计估计中的方差缩减技巧，通过将估计量与对称翻转版本取平均来消除单侧偏差69% 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69% 相似待验证降低LoRA权重（通常从默认的1.0降至0.6-0.8）配合6-8步推理，是在效率和质量之间找到更优平衡的折中方案69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/990529API
curl https://kongchang.com/api/v1/knowledge/claims/990529MCP
get_claim(id=990529)