BLEU 是什么意思？

BLEU 主要基于修正后的 n-gram 精度来计算分数：比较机器译文与参考文本之间的重叠词序列（n-gram）。它引入了简短惩罚以惩罚过短的译文。关键注意事项包括：它在语料库级别（而非句子级别）效果最佳；需要高质量的参考译文；以及对多个测试句子求平均结果时与人工判断相关性较好。它主要衡量充分性而非流畅度，不直接评估语义含义。

BLEU 被广泛用作机器翻译系统研究和开发的标准指标，快速比较不同版本或算法的性能。在系统开发期间，它提供客观、自动化的基准，帮助研究人员识别改进点。但其价值是比较性的，对于翻译质量的全面评估，应始终辅以人工评估。