大模型的mae是什么

在机器学习中，MAE（Mean Absolute Error）是一种常用的回归模型评估指标，用于衡量预测值与真实值之间的平均绝对误差。它计算了预测值与真实值之间的差异的绝对值，并求取这些绝对值的平均值作为模型的性能指标。

MAE的计算公式如下：
MAE = (|预测值1 - 真实值1| + |预测值2 - 真实值2| + ... + |预测值n - 真实值n|) / n

其中，预测值表示模型对样本的预测结果，真实值表示样本的真实标签，n表示样本数量。

MAE越小，表示模型的预测结果与真实值之间的差异越小，模型的性能越好。