F1分数
精确率与召回率的调和平均数，用于综合评估分类模型性能的指标
核心事实
时间轴 (近 90 天)
POPE基准的Yes/No答案提取方式（token选择）本身可使VLM幻觉评测的F1分数产生数点漂移，且该变量在多数已发表工作中未被披露。
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。
当患病样本占比低时，召回率和F1分数比准确率更能反映模型的实际检出能力。
适合系统综述筛选场景的评估指标包括召回率、精确率、F1 分数以及 Work Saved over Sampling（WSS）
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
F1分数选择调和均值而非算术均值，是因为调和均值对较小值更为敏感，只有当精确率和召回率同时较高时F1才会较高
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
在面对高度不平衡的分类数据集时，应考虑SMOTE过采样或调整评估指标从准确率转向F1分数
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
F1分数是召回率和精确率的调和平均数
还有 2 条时间轴事件
全部知识事实 (13)
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%已验证F1分数是召回率和精确率的调和平均数
75%已验证业界通常使用F1分数（精确率和召回率的调和平均值）来综合评估术语识别性能
65%已验证F1分数是Fβ分数在β=1时的特例
65%待验证POPE基准的Yes/No答案提取方式（token选择）本身可使VLM幻觉评测的F1分数产生数点漂移，且该变量在多数已发表工作中未被披露。
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%待验证当患病样本占比低时，召回率和F1分数比准确率更能反映模型的实际检出能力。
50%待验证适合系统综述筛选场景的评估指标包括召回率、精确率、F1 分数以及 Work Saved over Sampling（WSS）
50%待验证F1分数选择调和均值而非算术均值，是因为调和均值对较小值更为敏感，只有当精确率和召回率同时较高时F1才会较高
50%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
50%待验证在面对高度不平衡的分类数据集时，应考虑SMOTE过采样或调整评估指标从准确率转向F1分数
50%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
50%待验证在类别不平衡场景下F1分数比准确率更能反映模型对少数类的识别能力
50%