35 lines
1.2 KiB
Markdown
35 lines
1.2 KiB
Markdown
---
|
||
title: "HARS（调和适应保留评分）"
|
||
created: 2026-05-21
|
||
type: concept
|
||
tags: ["evaluation-metric", "knowledge-injection", "continual-learning"]
|
||
sources: ["[[kore-knowledge-injection]]"]
|
||
---
|
||
|
||
# HARS（调和适应保留评分）
|
||
|
||
## 定义
|
||
|
||
HARS（Harmonized Adaptation-Retention Score）是 [[kore-knowledge-injection|KORE]] 提出的**统一评估指标**，将[[knowledge-adaptation|知识适应]]和[[knowledge-retention|知识保留]]整合为单一调和分数，类似 F1 平衡 Precision 和 Recall。
|
||
|
||
## 公式
|
||
|
||
HARS = 2 · (f_A · f_R) / (f_A + f_R)
|
||
|
||
其中：
|
||
- f_A = G_A / (G_A + 100) × 100：归一化适应分数
|
||
- f_R = G_R + 100：归一化保留分数
|
||
- G_A = (K.A - K.A_0) / K.A_0：适应相对增益
|
||
- G_R = (K.R - K.R_0) / K.R_0：保留相对增益
|
||
- K.A_0, K.R_0：预训练模型的基准表现
|
||
|
||
## 意义
|
||
|
||
知识注入方法常面临"适应-保留"权衡——提升一方面往往以牺牲另一方面为代价。HARS 提供了一个**单一数值**来衡量方法的整体平衡性，而非分散在多个指标中难以比较。
|
||
|
||
## 参见
|
||
|
||
- [[knowledge-adaptation|知识适应]]
|
||
- [[knowledge-retention|知识保留]]
|
||
- [[kore-knowledge-injection|KORE]]
|