تُعد درجة F1 على مستوى الرمز اللغوي (Token-level F1 Score) مقياسًا تقييميًا مهمًا لمهام أنظمة الإجابة عن الأسئلة في مجال معالجة اللغة الطبيعية. تحسب درجة F1 على مستوى الرمز اللغوي المتوسط التوافقي لدقة واسترجاع الإجابة بناءً على تداخل الرموز، مما يتسامح مع المطابقات الجزئية ويجعلها أكثر تساهلًا. وعادةً ما يتم الإبلاغ عنها كنسبة مئوية أو كدرجة تتراوح بين 0 و1. يُستخدم هذا المقياس على نطاق واسع في المعايير والأوراق البحثية ذات الصلة، ويعكس بفعالية أداء النموذج في هذا البعد. كلما كانت القيمة أعلى، كان الأداء أفضل. يساعد هذا المقياس الباحثين والمهندسين على قياس الفروقات في الأداء الفعلي للنماذج في سيناريوهات أنظمة الإجابة عن الأسئلة، مما يسهل المقارنة الأفقية بين الطرق المختلفة أو إصدارات النماذج.