AUPRC（Area Under the Precision-Recall Curve，精确率-召回率曲线下面积）是机器学习中评估分类模型性能的指标，尤其在类别极度不平衡的场景下比 ROC-AUC 更具参考价值。它衡量模型在不同召回率水平下精确率的综合表现，数值越高说明模型在“找得全”与“报得准”之间平衡得越好，常用于异常检测、欺诈识别和临床风险预测等正例稀少的任务。
AUPRC 在异常检测中的近期应用
图异常检测是该指标使用最密集的领域之一。RINSE 提出了一种零样本图异常检测新方法，在没有目标域标注的情况下与有监督基线对比，评估依赖异常样本稀少时的 AUPRC 读数（RINSE：零样本图异常检测新方法）。类似地，RAD 将规则知识引入关系型异常检测，以规则增强的方式提升关系数据上的检出表现（RAD: 规则增强关系异常检测）；MDTE 则针对时序图上的节点分类给出统一框架（MDTE: Temporal Graphs Node Classification Framework）。这些工作的共同点是正例占比极低，AUPRC 因此成为衡量真实效果的首选而非补充指标。
临床建模中的指标可靠性问题
临床风险预测高度依赖不平衡分类评估，也因此暴露出指标层面的隐患。LeakBench 系统审计了临床建模 Agent 中的奖励黑客与预测时数据泄漏问题，指出当评估流程存在信息泄漏时，包括 AUPRC 在内的表面指标可能被系统性高估，模型“看起来好”但实际并无泛化能力（LeakBench 发布：审计临床建模 Agent 的奖励黑客与预测时数据泄漏）。干预感知的临床世界模型用于心脏病学术后结局预测时，同样以术后结局的不平衡预测精度作为核心评价维度（干预感知临床世界模型用于心脏病学术后结局预测）。
类别不平衡与评估方法论
围绕如何在不平衡数据下改进 AUPRC 本身也有一批研究。合成数据增强何时能改善基于分数的不平衡分类这一问题被系统研究，结论是增强并非普遍有效，其收益取决于分布与分数校准条件（合成数据增强何时改善基于分数的类别不平衡分类）。此外，世界模型中潜在幻觉的无标注检测、定位与修正（MEND: Label-Free Detection, Localisation, and Correction of Latent Hallucination in World Models）以及证据解释与决策聚合的分离设计（拆分劳动：分离证据解释与决策聚合），都反映评估方法论正从单一分数转向更细粒度的审计。
当前焦点与观察点
综合来看，AUPRC 的讨论正从“如何算”转向“何时可信”。三个观察点值得注意：其一，在临床与金融等高风险场景，泄漏与奖励黑客会让高 AUPRC 变成虚假信号，评估流程本身需要被审计；其二，零样本与规则增强方法在异常检测中的兴起，使得不同方法间的 AUPRC 对比需要更谨慎的基线设定；其三，合成数据增强对不平衡分类的收益是有条件的，从业者应结合自身数据分布验证，而非默认套用。对使用者而言，报告 AUPRC 时同时给出数据泄漏检查、校准分析和类别基数说明，正在成为新的基本要求。