有可能在二元分类任务中获得98%的分数，还是我把计算搞砸了？

Question

我最近在两个数据集GAD和EU-ADR上使用了BERT进行句子分类。我对火车文件上的数据集进行了培训，将火车文件分为火车文件和验证文件。然后，我对这些数据集提供的测试文件进行了测试。我在测试数据集上得到了98%的f1分数，我不确定这是否可行，或者我的计算是错误的，因为我正在比较的那篇论文的f1分数几乎没有那么好

链接到文件BioBERT: a pre-trained biomedical language representation model for biomedical text mining

值得注意的是，我没有使用BioBERT（他们的预训练BERT模型）来完成这项任务。我只是简单地使用BERT base uncased。下面是github笔记本的链接。任何见解都会有帮助，我愿意提供所需的任何信息。此外，我已经运行了几次该模型，我仍然得到了很高的分数

BERT relation extraction on GAD and EU-ADR datasets

先谢谢你