一个二元分类模型将产品标记为“通过”或“未通过”，并据此在装配线上对物品进行分类。应使用哪些评估指标来评估模型的性能？（选择两项。）

对于二元分类模型，Precision（精确率）和 Recall（召回率）是衡量模型性能的关键指标。Precision 关注模型预测为正例的样本中有多少是真正的正例，而 Recall 关注所有真正的正例中有多少被模型正确识别。在装配线场景中，这两个指标可以帮助评估模型识别合格品和不合格品的有效性。Accuracy（准确率）衡量模型正确分类的样本比例，F1 Score 则是 Precision 和 Recall 的调和平均值，在正负样本不平衡时，F1 Score 比 Accuracy 更能反映模型的综合性能。RMSE 和 MAPE 用于回归任务，BLEU score 用于机器翻译，Perplexity 用于语言模型，这些都不适用于二元分类任务。