当前位置：首页 > news >正文

准确率和召回率的平衡点

news 2026/6/10 21:44:39

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 $100%$。

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。

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。

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）。