目录
- 🚪 决策阈值和 Agent 的“信心”
- 1. 追求高准确率（Precision）
- 2. 追求高召回率（Recall）
- 总结：二者间的权衡曲线
您的问题非常关键，这是理解所有分类模型（包括智能体 Agent）性能评估时最核心的逻辑之一：准确率（Precision）和召回率（Recall）在大多数情况下存在此消彼长的关系，即权衡（Trade-off）。
我们用一个“门槛”或“决策阈值”（Decision Threshold）的例子来直观地理解它。
🚪 决策阈值和 Agent 的“信心”
想象您的合同审查 Agent 在判断一份合同是否是“风险”时，会给出一个 信心分数（Confidence Score），范围是 $0$ 到 $100%$。
- 您必须设置一个“门槛”： Agent 只有在信心分数超过这个门槛时，才会将合同标记为“风险”。
1. 追求高准确率（Precision）
当您要求准确率达到 $99%$ 时，您实际上是在告诉 Agent：“你标记的风险中，几乎不能有错！”
-
操作： Agent 必须将决策门槛（Threshold）设置得非常高，例如：$95%$。
- Agent 行为： 只有当 Agent 认为一份合同有 $95%$ 以上的可能性是风险时，它才敢标记它。
-
结果分析：
- 准确率 (Precision) 极高： 标记的风险很少出错（FP 极少）。因为 Agent 只标记那些它超级确定是风险的合同。
- 召回率 (Recall) 下降： 许多真正的风险合同（例如信心分数在 $80%$ 到 $94%$ 之间）因为没有达到这个高门槛，被 Agent 错误地归类为“安全”。这些就是漏报（假阴性，FN）。门槛越高，漏掉的真风险就越多，召回率自然就下降了。
2. 追求高召回率（Recall）
当您要求 Agent 尽量不放过任何风险时，您是在告诉 Agent：“哪怕只是有点怀疑，也要标记出来！”
-
操作： Agent 必须将决策门槛设置得非常低，例如：$50%$。
- Agent 行为： 只要 Agent 认为一份合同有 $50%$ 以上的可能性是风险，它就会标记它。
-
结果分析：
- 召回率 (Recall) 极高： 大多数真正的风险合同都被 Agent 成功标记了（FN 极少）。
- 准确率 (Precision) 下降： Agent 标记的风险中会包含大量误报（FP 激增）。因为许多实际上是安全的合同（例如信心分数 $51%$）也被 Agent 标记为风险。
总结：二者间的权衡曲线
准确率和召回率就像跷跷板的两端。你永远无法在不付出代价的情况下，让两者同时达到 $100%$。
| 目标倾向 | Agent 的决策门槛 (Threshold) | 结果 |
|---|---|---|
| 倾向准确率 (如 $99%$ Precision) | 高（比如 $95%$） | 牺牲召回率：减少了误报（FP），但增加了漏报（FN）。 |
| 倾向召回率 (如 $95%$ Recall) | 低（比如 $50%$） | 牺牲准确率：减少了漏报（FN），但增加了误报（FP）。 |
在合同审查中，您需要找到一个平衡点，这个点通常是召回率略高于准确率，以确保不会漏掉那些代价高昂的真风险。