生成式模型的精确率与召回率新视角
人工智能
2026-05-19 v2
摘要
随着生成式模型在图像和文本领域的成功，评估问题近期受到广泛关注。虽然大多数来自最新方法依赖标量指标，但为生成式模型引入的精确率和召回率（PR）为研究开辟了新的方向。相关的 PR 曲线允许进行更丰富的分析，但其估计存在若干挑战。本文提出了一种新的框架，用于基于二元分类视角估计整个 PR 曲线。我们对所提估计进行了彻底的统计分析。作为副产品，我们获得了 PR 估计风险的 minimax 上界。我们还展示了该框架可扩展到文献中多个标志性 PR 指标，这些指标设计上受限于曲线的极端值。最后，我们在 various 设置下实验性地获得的曲线行为进行了研究。
引用
@article{arxiv.2511.02414,
title = {A New Perspective on Precision and Recall for Generative Models},
author = {Benjamin Sykes and Loïc Simon and Julien Rabin and Jalal Fadili},
journal= {arXiv preprint arXiv:2511.02414},
year = {2026}
}