BLEU 分数越高越好吗？
不，BLEU 分数越高并不总等于翻译质量越好。虽然它是一种广泛使用的自动化指标，但存在显著局限性。
BLEU 衡量机器译文输出与一个或多个人工参考译文之间的 n-gram 重叠度。它在汇总比较中与人工判断有合理相关性。然而，它无法捕获语义充分性、流畅度或文体恰当性。仅以 BLEU 为优化目标可能导致输出在表面上与参考译文匹配，但缺乏连贯性或含义。该指标对参考译文质量、领域特殊性和文本长度也高度敏感。
BLEU 主要在开发过程中用于系统级比较，提供效率。它对于评估单个句子或进行细微质量区分并不可靠。获得高分并不能保证翻译真正高质量。人工评估对于评估真实的翻译质量和实用性仍然是必不可少的补充，因为 BLEU 无法完全理解意义或上下文。
相关问题
模型微调和重新训练之间差别大吗？
微调是使用相对较小的数据集将预训练模型适配到特定任务，而重新训练则是从头开始使用大量（通常是特定任务）数据构建新的模型架构。两种方法都能实现模型更新，但在方法和资源需求上有显著差异。 微调修改已建立模型（如 BERT 或 GPT）的权重，这些模型已在大量通用数据上训练。与重新训练相比，它所需的数据...
零样本学习和小样本学习有什么区别？
零样本学习（ZSL）使模型能够识别或分类在训练期间没有可用标记训练样本的对象。相比之下，小样本学习（FSL）利用极少量（如 1-5 个）每个新类别的标记样本来适配模型。 零样本学习主要通过利用预先存在的语义知识或辅助信息（如类别属性、文本描述或嵌入）来将学习到的概念迁移到未见过的类别。小样本学习专...
小样本学习的应用场景有哪些？
小样本学习使模型仅凭少量标记样本就能有效学习新概念或执行任务。其核心能力是从最少数据中高效获取知识。 这种方法在收集大量数据集不切实际或不可能的情况下极为有价值。关键应用场景包括：在医学影像中识别罕见疾病、在计算机视觉中识别新颖对象或场景、在语音识别中适应特定语音命令或口音、以及以最少的显式用户反...
BLEU 指标和 ROUGE 有什么区别？
BLEU 和 ROUGE 都是评估 NLP 模型生成文本质量的自动化指标，但它们衡量的方面不同。BLEU 主要评估精确率（匹配的正确性），而 ROUGE 则强调召回率（内容捕获的全面性）。 BLEU 计算候选文本与参考文本之间的 n-gram 精确率，并对过短的输出进行惩罚。它对精确的词汇匹配高度...