评估AI应用的准确性指标，如精确度、召回率和F1分数，是理解模型表现的关键。通过使用标记数据集进行测试，可以优化API提取器的性能，并平衡精确度与召回率，以减少错误标记和漏标真实端点。
介绍了一个音频数据集，用于关键词检测系统的训练和评估，具有可重复和可比较的准确性指标。描述了数据的收集和验证方式，以及以前版本的属性。报告了在该数据集上训练的模型的基线结果。
完成下面两步后，将自动完成登录并继续当前操作。
