Missed Entity Rate
PulseAugur coverage of Missed Entity Rate — every cluster mentioning Missed Entity Rate across labs, papers, and developer communities, ranked by signal.
- 2026-06-23 product_launch AssemblyAI introduced Missed Entity Rate (MER) as a new metric for evaluating medical transcription accuracy. 来源
2 天有情绪数据
-
AssemblyAI 提出漏检实体率以提高语音转文本准确性
AssemblyAI 认为，语音转文本系统的传统词错误率 (WER) 指标不足，因为它们未能考虑到姓名、数字和医学术语等特定实体的 Yet. 该公司提出了一个新的指标，漏检实体率 (MER)，该指标侧重于这些关键实体的准确性。AssemblyAI 强调，尽管低 WER 可能看起来不错，但它会掩盖实体转录中的重大错误，使转录稿对于生产语音代理毫无用处。他们建议在真实的、混乱的音频数据上测量 MER，而不是在干净的录音室录音上，以准确预测性能。
-
AssemblyAI 详解超越词错误率 (WER) 的高级语音识别评估方法
AssemblyAI 发布了一份指南，详细介绍了评估语音转文本模型的先进方法，超越了传统的词错误率 (WER)。文章强调了 WER 的局限性，例如它无法考虑语义含义或真实转录中的错误，并介绍了语义 WER 和漏检实体率等指标。该公司以其最新的 Universal-3.5 Pro 模型为例，指出其在众多数据集上的平均英语 WER 为 5.6%。
-
AssemblyAI 提出漏诊实体率 (MER) 来衡量医疗转录准确性
AssemblyAI 推出了一个新的指标，称为漏诊实体率 (MER)，以更好地评估医疗转录服务的准确性。传统的词错误率 (WER) 指标同等对待所有单词，未能区分填充词等小错误与药物名称或诊断不正确等关键错误。MER 专门关注临床重要实体（如药物名称、诊断和手术）的准确转录，这对于患者护理和下游系统至关重要。基准测试显示，一些具有看似良好 WER 分数的提供商的 MER 却显著更高，这凸显了 WER 在医疗应用中的不足。