在知识图谱补全任务中，MRR（Mean Reciprocal Rank）指标和Hits@10（Hits at 10）指标是用来衡量模型性能的常用指标。

1. MRR（Mean Reciprocal Rank）指标： MRR是一个评估排序模型的指标。对于每个查询，模型返回的候选答案按照其可能性（或得分）进行排序。MRR通过计算所有查询的候选答案的倒数排名的平均值来评估模型的性能。换句话说，对于每个查询，我们找到正确答案的排名（如果正确答案在第i个位置，则其排名为1/i），然后计算所有查询的排名的倒数的平均值。MRR的取值范围是从0到1，越接近1表示模型性能越好，越接近0表示性能较差。

2. Hits@10（Hits at 10）指标： Hits@10指标表示在前10个候选答案中是否包含了正确答案。对于每个查询，模型返回的候选答案按照其可能性进行排序，然后检查正确答案是否在前10个位置中。如果正确答案在前10个位置中，则Hits@10为1，否则为0。最后，计算所有查询的Hits@10的平均值。该指标衡量了模型在前10个候选答案中的准确性。

MRR和Hits@10指标在知识图谱补全中具有不同的作用：

• MRR主要关注正确答案在所有候选答案中的平均排名。如果MRR较低，表示模型往往将正确答案排名较低，即难以找到正确答案。这可能是因为模型对于正确答案的预测准确性较差或者排序能力较弱。
• Hits@10主要关注模型是否能够在前10个候选答案中找到正确答案。如果Hits@10较高，说明模型在前10个候选答案中有较高的准确率，即能够更快地找到正确答案。这可能是因为模型的前端预测能力较好，或者模型可以在前几个候选答案中捕捉到正确答案。

通常来说，MRR和Hits@10是相辅相成的指标。高MRR和高Hits@10都是理想的衡量标准，但在实际情况中，可能会出现其中一个指标较高而另一个较低的情况。因此，综合考虑这两个指标可以更全面地评估知识图谱补全模型的性能。