BLEU 只适合翻译任务吗？

不，BLEU 并不专门适合翻译任务。虽然最初是为自动评估机器翻译（MT）输出质量而设计，并以此为主要用途，但它已在其他自然语言生成任务中找到了应用。

BLEU 通过比较重叠的 n-gram（连续词序列）来衡量与一个或多个人工参考译文的相似性。其主要价值在于提供一个可扩展的、与人工判断（特别是流畅度和短语匹配方面）相关的自动化基准。然而，它严重依赖高质量的参考文本，与来源相比难以准确捕获语义含义或充分性。对于需要高度创意或与参考文本显著不同输出的任务，其有效性会降低。

除机器翻译外，BLEU 已被改编为评估文本摘要质量的辅助指标，检查生成摘要与参考摘要的对应关系。它作为一种便捷的标准基准，支持对系统性能进行快速、低成本的比较。其主要商业价值在于提供对定义标准参考的输出质量的可量化、自动化比较，促进迭代开发周期。