F1 达 96%
将模糊排序集成方法与预训练语言模型相结合，在识别COVID-19长期影响相关虚假信息上比单一模型更准确。
Jian-An, Chen · Yi-Chun, Chung · Hung, Chelun · Wu, Chunying
JMIR Public Health and Surveillance 2025
融合多个语言模型的预测置信度，综合决策比单一模型更可靠，测试集准确率达 93.52%。
在准确率与召回率之间取得较好平衡，F1 分数达 96.03%，减少漏报与误报。
利用 Gompertz 函数对每个模型在每个测试样本上的预测置信度进行模糊排序，动态加权而非简单投票。