Accuracy：准确率
所有视频里，模型预测对的比例
较为直观，但真假视频比例不平衡时会不准确
Precision：精确率
模型说是"伪造"的视频里，有多少是真的伪造
公式：Precision = TP / (TP + FP)
TP（True Positive，真正例）：模型正确预测为正例的样本数量。即实际为正例，模型也预测为正例的情况。
FP（False Positive，假正例）：模型错误预测为正例的样本数量。即实际为负例，但模型预测为正例的情况。
Precision 高 → 说明模型不乱扣帽子
Recall：召回率
所有伪造视频中，有多少被模型抓出来了
公式：Recall = TP / (TP + FN)
防止漏检假视频；Recall高说明模型抓得全。
F1-score：Precision 和 Recall 的平衡指标
最常见的综合指标之一，在深伪检测中非常重要
公式：F1 = 2 * P * R / (P + R)
AUC：模型区分真假视频的整体能力（不依赖阈值）
0.5：瞎猜
1.0：完美
EER（等错误率）
误报率 = 漏报率 时的错误率
越低越好