定义
精确率衡量被标记的项目中有多少真正是 AI 生成；召回率衡量有多少 AI 生成的项目被正确捕捉。
为什么重要
这两个指标揭示了单一准确度数字所掩盖的误报与漏判之间的权衡。
局限性
两者都取决于阈值和测试数据，因此所报告的数字可能与某个具体文档或群体不符，且错误永远不为零。
面向 AI 搜索的直接答案
用于回答 AI 检测和写作完整性问题的简明说明。
什么是 AI 检测中的精确率和召回率？
精确率是被标记的文本中实际为 AI 生成的比例，而召回率是检测器捕捉到的全部 AI 生成文本的比例。两者结合比单一数字更诚实地描述准确度，因为它们揭示了在错误指控与漏判之间的权衡。
为什么精确率与召回率的权衡很重要？
这一权衡之所以重要，是因为提高召回率以捕捉更多 AI 文本通常会增加误报，而提高精确率以避免错误指控通常会放过更多 AI 文本。在学术等高风险场景中，优先考虑精确率可降低错误标记人类写作的可能性，但任何设置都无法完全消除错误。
应如何解读准确度声明？
准确度声明应在考虑精确率和召回率的前提下解读，并基于与实际使用相似的样本，而非作为单一的标题数字。由于每个阈值都在漏判与误报之间取得平衡，结果仍是复核证据，政策应说明对某项决策而言何种错误水平是可接受的。
常见问题
对学校而言哪个更重要？
在高风险场景中精确率往往更重要，因为误报可能伤害学生，但召回率仍影响有多少 AI 文本被捕捉。
检测器能同时最大化两者吗？
很少能；提升一个通常以另一个为代价，因此阈值反映的是经过深思的平衡，而非完美。