BLEU 有哪些缺点？
BLEU 虽然流行，但在评估文本质量方面并不可靠。其过于简化的方法无法准确评估含义或流畅度。
BLEU 仅关注与参考译文的表层 n-gram 匹配，忽视语义充分性和语法正确性。它严重偏向统计相似性而非真正的翻译质量。简短惩罚不公平地惩罚了比参考译文短但合理的译文。BLEU 对其 n-gram 范围之外的词序变化不敏感，有时会奖励无意义的输出。它完全依赖高质量参考文本的可用性。
这些局限性降低了 BLEU 在现实 NLP 任务中的价值。其分数常常与人工判断不一致，尤其是对于细致或有创意的语言。尽管 BLEU 在研究和商业系统中有历史使用，开发者越来越多地用语义感知指标（如 BERTScore）和人工评估来补充或替代它。
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...