随着混合量子-经典模型在机器学习领域日益受到关注,人们越来越需要超越原始准确率的评估工具。该研究团队推出QMetric——一个提供可解释性评估指标的Python工具包,用于量化量子电路表达能力、特征表征质量和训练动态。该工具可测量电路保真度、纠缠熵、贫瘠高原风险及训练稳定性等关键指标,并与Qiskit和PyTorch实现深度集成。通过二进制MNIST分类任务的案例研究,该工作对比了经典模型与量子增强模型的性能差异。相关代码、可视化图表及可复现环境已开源至GitLab平台。