Độ chính xác và thu hồi là hai chỉ số đo lường độ chính xác dự đoán của mô hình phân loại. Độ chính xác là trục đánh giá cho biết số lượng kết quả dương tính giả và thu hồi là trục đánh giá cho biết số lượng kết quả bị bỏ sót.
Độ chính xác và thu hồi được coi là tiêu chuẩn ngành như những chỉ số cơ bản để đánh giá chất lượng đầu ra của việc phân loại, tìm kiếm và tạo AI. Tỷ lệ chính xác đề cập đến tỷ lệ phần trăm kết quả dương tính thực sự đúng và tỷ lệ thu hồi đề cập đến tỷ lệ phần trăm đối tượng được phát hiện ban đầu đã thực sự được phát hiện và người ta biết rộng rãi rằng có sự đánh đổi giữa hai tỷ lệ này. Nếu bạn đặt ngưỡng chặt chẽ hơn, tỷ lệ chính xác sẽ tăng nhưng tỷ lệ thu hồi sẽ giảm; nếu nới lỏng thì điều ngược lại sẽ xảy ra, nên nếu nói về độ chính xác mà chỉ nhìn một phía thì rất dễ mắc sai lầm trong phán đoán trong vận hành thực tế. Kể từ năm 2026, trong lĩnh vực agent RAG và AI, người ta thường đo lường tỷ lệ thu hồi của giai đoạn tìm kiếm (Recall@k) và tỷ lệ chính xác của các câu trả lời LLM riêng biệt, và việc ưu tiên nào sẽ được xác định theo chi phí và mức độ chấp nhận rủi ro. Ví dụ: thông lệ tiêu chuẩn trong lĩnh vực này là ưu tiên thu hồi cho các ứng dụng y tế và pháp lý do chi phí bỏ sót cao (thấp thu hồi hơn) và để phát hiện thư rác và các bộ lọc thông tin sai lệch nhằm nhấn mạnh độ chính xác vì muốn tránh kết quả dương tính giả (độ chính xác thấp hơn). Cả hai chỉ số này thường được sử dụng cùng với điểm F1 trung bình hài hòa.