本研究介绍了惩罚Brier评分（PBS）和惩罚对数损失（PLL）用于改进概率分类模型评估。实验证明PBS和PLL在模型选择、检查点和提前停止方面具有优势，并与F1分数相关性更高。PBS和PLL提高模型准确性和可靠性，弥补不确定性量化和准确性最大化之间的差距。