F1 分数
F1 Score
学到 会用 就够：能亲手用起来
你可能会说
“我想把检索的查准和查全合成一个指标，F1 分数会隐藏哪些差别？”
F1 是精确率与召回率的调和平均，二分类可写为 2TP/(2TP+FP+FN)。它对其中较低的一项较敏感，但汇成单值后仍会丢失错误类型、类别分布与实际成本。
使用 AI
科研里的例子
两个模型 F1 相同，一个少漏但多误报，另一个更纯但漏多；证据初筛与正式自动编码可能因此选择不同方案。
F1 没有直接奖励真阴性，适合某些目标识别任务，却不是通用综合质量分。多类别任务可逐类计算后取宏平均，也可按样本支持加权或汇总计数；这些口径回答的问题不同。比较模型前应固定正类、平均方式与零分母处理，并同时给精确率和召回。若漏判一段关键证据比误报十段更严重，等权 F1 未必反映研究者真正关心的代价。
在你的学科里，直接拿去用
把论点与证据逐条对齐
请审核下列论证的证据对应关系。 论证：[粘贴] 允许使用的材料：[清单与原文] 拆成可独立检查的主张，按“主张—来源位置—研究对象与设计—能支持什么—不能支持什么—所需补证”输出。区分相关、机制解释、因果识别和价值判断。找不到依据的格子保留未支持，不补假文献。若需联网补证，先说明搜索范围和访问状态，再把新找到的证据与原材料分列。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG07
判断
亲手检查一次
设精确率 0.9、召回率 0.3，手算调和平均和算术平均，再讨论二者为何不同；同时核对报告使用的平均方式。
它做不到的
F1 不包含所有研究质量，也不是精确率和召回率的普通算术平均；宏 F1 不能不加说明地与微 F1 比较。
增量，由你来写
读完这张，你的理解变了什么？
留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。