精确率
Precision
学到 会用 就够：能亲手用起来
你可能会说
“我让模型从政策库找相关文件，找出来的这一批里有多少是真的相关？”
精确率关注被模型判为目标类的样本里，实际属于目标类的比例，二分类为 TP/(TP+FP)。它帮助判断筛出结果的纯度，但不告诉你漏掉了多少目标样本。
使用 AI
科研里的例子
模型从报告里挑出十段财政支持，其中八段符合人工规范，精确率为 80%；另外漏了多少段还需单独统计。
分母取决于模型报了多少正例，所以提高决策门槛可能提高纯度，也可能牺牲覆盖。解释指标要先明确哪一类算正、依据什么人工标准；如果模型一个正例也不报，分母为零，应说明处理约定，不能把异常值包装成完美表现。社科筛材料时，可把精确率理解为人工复核工作量的一个参考，但还要结合遗漏风险与研究问题，避免只保留容易识别的典型材料。
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
把模型筛出的二十条逐条人工核查，计算真阳性与假阳性；再提高阈值重算，观察结果纯度和数量如何同时变化。
它做不到的
中文“准确”常含混；Precision 在这里是特定分类指标，不等于 Accuracy，也不是估计量标准误意义上的精度。
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。