很多同学在做人工智能课程作业时，习惯把准确率当作唯一评价标准，训练完模型看到数值不错就写进报告。这种做法在类别均衡、任务简单的数据上问题不大，一旦遇到类别不平衡、多标签或回归任务，结论很容易失真。指标误用不是计算错误，而是评价目标与指标口径不匹配。
第一步是先明确任务类型和评价对象。分类任务关注的是判定结果还是概率排序；回归任务关注的是平均误差还是极端误差；排序和推荐任务更关心头部结果的质量。把任务目标写成一句话，再为它挑选主指标和辅助指标，通常比堆砌五六个指标更清楚。
第二步检查数据分布与划分方式。若少数类占比很低，准确率会被多数类主导，此时可补充查准率、查全率、F1 或 PR 曲线。还要留意数据泄漏，例如在划分训练集之前做了全局标准化或特征筛选，会让验证结果虚高。交叉验证的折间波动也值得报告，单次划分的好成绩不足以支撑结论。
第三步把指标放回业务代价中解释。混淆矩阵能直观展示漏判与误判分别有多少，代价敏感场景下还需要通过阈值调整来平衡两类错误。AUC 衡量的是排序能力，不等于某个固定阈值下的实际表现，解释时要说明阈值选择依据。若作业涉及文本生成或对话，自动指标只能作参考，最好补充少量人工评价示例。
最后是汇报与写作。报告中应写明指标选择理由、对比基线和实验设置，并给出多次运行的均值或波动范围，而不是只报一个最优值。可以准备一份自查清单：主指标是否对应任务目标，数据划分是否干净，是否报告了不确定性，结论是否超出指标能支持的范围。把这些写清楚，课程作业的说服力会明显提升。