2 篇文档带有标签「model-evaluation」

从部署分布、切分、指标、阈值和不确定性出发，避免把单一 test score 当作普遍能力。

明确预测时点、实体边界与训练专用 Pipeline，从根源上阻断目标、时间、实体及预处理层面的数据泄漏。