自然语言处理评测需要同时看数据集、任务定义、错误类型和指标。一个准确率数字无法说明模型是否正确处理了半空格、拼写变体、罕见词或不同领域的文本。资料页应把数字放回实验条件中解释。
分词可以看边界识别，检索可以看结果覆盖和排序，分类则要注意类别是否平衡。不同任务不能直接比较分数。若研究使用小型或单一领域语料，页面应提醒读者不要把结论当成所有波斯语文本的普遍结果。
先看概念，再看页面
评测表格可以列出任务、数据来源、文本方向、规范化方式、指标、已知错误和适用范围。对复现实验而言，版本、随机种子和预处理规则同样重要。即使没有完整代码，也应该把关键前处理步骤写清楚。资料库的作用是让人知道内容从哪里来、适合解决什么问题，以及下一步应该查哪一层。
读者在比较两个工具时，可以先看它们是否使用同一语料和同一分词标准，再看分数。若条件不同，更适合说某个工具在特定场景下表现稳定，而不是宣布它在所有任务上更好。Persian NLP 的页面不把一次结果写成固定承诺，而是保留设备、时间和来源这些条件。
适合留下的记录
| 记录项 | 建议写法 | 避免误判 |
|---|---|---|
| 文本或资源 | 写清来源、时间、设备或语料范围 | 不要只留下一个结论或一个测速数字 |
| 编码与方向 | 把 Unicode/RTL 或 Wi-Fi/热点等条件单独记录 | 不要把不同系统和不同网络混成一个现象 |
| 引用与版本 | 保留页面、版本、区域和回退入口 | 不要把不明来源当成官方文件或固定线路 |
从一个具体场景开始
读者在比较两个工具时，可以先看它们是否使用同一语料和同一分词标准，再看分数。若条件不同，更适合说某个工具在特定场景下表现稳定，而不是宣布它在所有任务上更好。如果结果涉及波斯语、英文和中文混排，还要在桌面与手机上分别查看方向和换行。
遇到相似问题时，先保留当前可用状态，再做一项对照测试。这样既能减少重复操作，也能让下一次阅读或排查更接近真实情况。