Я должен протестировать и оценить модель языка маски BERT, но я не знаю, как это сделать.Как я буду измерять его производительность?Все, что я знаю, - это простой истинный положительный (TP), истинный отрицательный (TN), ложный положительный (FP), ложный отрицательный (FN), точность, точность, отзыв, F-мера.Это применимо?Я думаю, что нет.