测试报告 · mock_sidebar

总览：指标 · 进度 · 汇总 · 热力表

62.5%

viterbi page acc (by text)

18/24 · greedy 58.3%

0.9121

viterbi micro f1

greedy 0.8988

测试集 24 页
错误 6 · 正确 18

错误 6 正确 18

按场景 (viterbi by_text)

按 domain

Device × Scenario 性能矩阵

viterbi 解码 · 末行/末列为均值（AVG）

Macro F1

	直板机	双折叠	三折叠	Hope	PuraX	其他	AVG
强基出行场景	84.8	—	84.3	96.4	—	98.1	90.9
洛书出行场景	79.5	84.1	—	90.2	—	—	84.6
财务通知场景	79.2	—	89.0	88.0	80.7	—	84.2
饮品订单场景	87.1	81.8	—	91.6	79.7	90.4	86.1
短信	86.9	—	80.5	—	95.2	—	87.5
物流场景	82.7	79.3	—	—	—	—	81.0
生活履约场景	90.1	87.0	78.8	78.5	—	98.0	86.5
AVG	84.3	83.0	83.2	88.9	85.2	95.5	85.8

Token Acc

	直板机	双折叠	三折叠	Hope	PuraX	其他	AVG
强基出行场景	83.9	—	87.9	96.6	—	97.2	91.4
洛书出行场景	81.3	83.1	—	91.4	—	—	85.2
财务通知场景	80.8	—	93.2	90.6	80.4	—	86.2
饮品订单场景	85.6	83.9	—	96.5	80.8	90.2	87.4
短信	90.7	—	81.4	—	99.3	—	90.5
物流场景	85.1	77.7	—	—	—	—	81.4
生活履约场景	90.9	87.2	81.5	79.7	—	100.0	87.9
AVG	85.5	83.0	86.0	91.0	86.8	95.8	87.1

Page Acc (by text)

	直板机	双折叠	三折叠	Hope	PuraX	其他	AVG
强基出行场景	75.0	—	73.8	86.0	—	95.5	82.6
洛书出行场景	74.0	82.3	—	77.6	—	—	78.0
财务通知场景	78.7	—	78.1	87.0	74.9	—	79.7
饮品订单场景	85.7	72.2	—	79.3	71.5	90.3	79.8
短信	85.1	—	69.1	—	91.0	—	81.7
物流场景	68.5	76.2	—	—	—	—	72.4
生活履约场景	75.5	78.2	67.4	76.0	—	90.3	77.5
AVG	77.5	77.2	72.1	81.2	79.1	92.0	78.8

页面详情

24 / 24 页 · 点卡片查看 token 推理对比

#1 zh_val_0000.json Others ●生活履约场景 11 tok · 7 err

#2 zh_val_0001.json Bank ○生活履约场景 10 tok · 4 err

#3 zh_val_0002.json Logistics ○物流场景 10 tok · 6 err

#4 zh_val_0003.json Utility ○财务通知场景 15 tok · 5 err

#5 zh_val_0004.json Train ○强基出行场景○洛书出行场景 15 tok · 8 err

#6 zh_val_0005.json DrinkOrder ○饮品订单场景 9 tok · 5 err

#7 zh_val_0006.json Logistics ○物流场景 13 tok · 4 err

#8 zh_val_0007.json DrinkOrder ●饮品订单场景 10 tok · 3 err

#9 zh_val_0008.json ScenicSpot ●生活履约场景 8 tok · 2 err

#10 zh_val_0009.json Train ●强基出行场景●洛书出行场景 12 tok · 7 err

#11 zh_val_0010.json ScenicSpot ○生活履约场景 10 tok · 5 err

#12 zh_val_0011.json Bank ●生活履约场景 10 tok · 3 err

#13 zh_val_0012.json Airplane ○强基出行场景●洛书出行场景 16 tok · 8 err

#14 zh_val_0013.json Expense ●财务通知场景 16 tok · 11 err

#15 zh_val_0014.json Utility ●财务通知场景 9 tok · 6 err

#16 zh_val_0015.json Utility ●财务通知场景 18 tok · 8 err

#17 zh_val_0016.json Utility ●财务通知场景 10 tok · 6 err

#18 zh_val_0017.json Utility ●财务通知场景 14 tok · 5 err

#19 zh_val_0018.json Airplane ●强基出行场景●洛书出行场景 10 tok · 4 err

#20 zh_val_0019.json Others ●生活履约场景 15 tok · 10 err

#21 zh_val_0020.json DrinkOrder ○饮品订单场景 10 tok · 4 err

#22 zh_val_0021.json Utility ○财务通知场景 17 tok · 9 err

#23 zh_val_0022.json Others ●生活履约场景 15 tok · 9 err

#24 zh_val_0023.json Train ○强基出行场景○洛书出行场景 15 tok · 8 err