qwen3.5-plus 模型9分类效果

Stage1 分型评测报告

基本信息

项目	值
评测日期	2026-07-09
模型	qwen3.5-plus
API 平台	阿里云 DashScope
样本总数	159
图片来源	本地目录 ./test_images/downloaded/

总体指标

指标	数值
样本总数	159
调用失败/无结果	10 (6.3%)
Top1 准确率	60.4%
Top3 命中率	73.6%
Macro Top1	59.8%
Macro Top3	73.1%

各分型准确率

分型	样本数	Top1 正确数	Top1 准确率	Top3 正确数	Top3 命中率
华丽高雅型	18	17	94.4%	17	94.4%
甜美少女型	18	15	83.3%	17	94.4%
温婉柔美型	18	13	72.2%	14	77.8%
自然优雅型	18	12	66.7%	18	100%
浪漫性感型	18	12	66.7%	16	88.9%
魅力时尚型	18	11	61.1%	11	61.1%
飒爽前卫型	17	9	52.9%	9	52.9%
盐系简洁型	17	5	29.4%	11	64.7%
知性沉着型	17	2	11.8%	4	23.5%

误判去向分析

高频误判（出现次数 ≥ 3）

真值	误判为	次数
盐系简洁型	自然优雅型	6
知性沉着型	温婉柔美型	5
盐系简洁型	温婉柔美型	4
知性沉着型	无结果	4
知性沉着型	自然优雅型	4
浪漫性感型	温婉柔美型	4
魅力时尚型	温婉柔美型	3
温婉柔美型	自然优雅型	3
自然优雅型	温婉柔美型	3
飒爽前卫型	自然优雅型	3

问题分析

低准确率分型问题

1. 知性沉着型（11.8%）

   • 主要误判：温婉柔美型（5次）、自然优雅型（4次）、无结果（4次）

   • 原因：模型难以识别「微驼峰鼻」「深人中沟」等细微特征

2. 盐系简洁型（29.4%）

   • 主要误判：自然优雅型（6次）、温婉柔美型（4次）

   • 原因：模型难以区分「直鼻+清爽少年感」与「均衡自然」

高准确率分型

• 华丽高雅型（94.4%）：特征明显（大眼+高挺鼻），容易识别

• 甜美少女型（83.3%）：特征明显（卧蚕+嘟嘟唇），容易识别

• 自然优雅型 Top3（100%）：作为「均衡型」，容易进入候选列表

与目标差距

指标	当前值	目标值	差距
Top1 准确率	60.4%	80%	-19.6%
Top3 命中率	73.6%	-	-

建议优化方向

1. 针对低准确率分型优化提示词：增强「微驼峰鼻」「深人中沟」「直鼻」等特征的描述

2. 增加 Few-shot 示例：为知性沉着型和盐系简洁型添加更多典型示例

3. 尝试更强大的视觉模型：如 GPT-4V、Qwen2.5-VL-72B 等

4. 数据清洗：检查低准确率分型的样本质量，排除模糊/角度不佳的图片

评测配置

# 评测命令
python3 eval_stage1.py \
  --data ./test_images/samples_local.jsonl \
  --workers 1 \
  --out eval_results_local_qwen35_full \
  --download-images \
  --model qwen3.5-plus \
  --base-url https://dashscope.aliyuncs.com/compatible-mode/v1

# 环境变量
DASHSCOPE_API_KEY=sk-ws-xxx

结果文件

• summary.json：汇总指标

• details.jsonl：每条样本详情

• confusion_matrix.csv：混淆矩阵

• errors.csv：错例清单