LLM之召回率和准确率
准确率是在模型预测为“相关”的结果中，实际为“相关”的比例。通俗的说，就是“找出的结果，有多少是对的”。举例：在问答系统中，如果模型从数据库召回了10个可能的答案，但只有三个是正确的，那么正确率就是30%。举例：在问答系统中，如果数据库中总共有5个正确答案，而模型只找出了3个，那么召回率就是60%。False Negatives(FN)：模型没有检索出的相关结果（漏检）。True Positive
·
一、什么是召回率（Recall）?
召回率是衡量模型能够从所有真正相关的结果中，找出多少个的指标。
公式为：
True Positives(TP): 模型正确检索出的相关结果。
False Negatives(FN)：模型没有检索出的相关结果（漏检）。
举例：在问答系统中，如果数据库中总共有5个正确答案，而模型只找出了3个，那么召回率就是60%。
二、什么是准确率（Precision）?
准确率是在模型预测为“相关”的结果中，实际为“相关”的比例。通俗的说，就是“找出的结果，有多少是对的”。
公式为：
举例：在问答系统中，如果模型从数据库召回了10个可能的答案，但只有三个是正确的，那么正确率就是30%。
总结
| 指标 | 说明 | 例子 |
| 召回率 | 找的全吗？ | 模型从5个正确的答案中只找到了3个 →召回率 = 60% |
| 准确率 | 找的准吗？ | 模型找到3个，其中3个都是对的 → 准确率 = 100% |
中国智能体开发者社区，聚焦智能体与大模型开发，提供前沿资讯、实用工具链、开源项目及行业案例。通过技术沙龙、开发者大赛等活动，促进经验交流与协作，助力开发者快速构建创新智能应用。
更多推荐
10
0- 0
已为社区贡献3条内容
所有评论(0)