BLEU 指标在评估机器翻译中的作用是什么？

BLEU（双语评估替补，Bilingual Evaluation Understudy）是一种自动化指标，通过将机器翻译输出与一个或多个高质量的人工参考译文进行比较来衡量翻译质量。它主要量化机器输出与参考译文之间 n-gram（词语序列）的重叠程度。

BLEU 计算精确率分数，关注机器翻译中有多少 n-gram（通常是 1 到 4-gram）出现在参考译文中。它应用简洁惩罚来惩罚明显短于参考译文的翻译。关键考虑因素包括：BLEU 在很大程度上依赖参考译文的质量和代表性；它主要衡量充分性（正确内容的存在）而非流利度；并且它与人类判断的相关性在对大型语料库的平均分数时最强，而非对单个句子。

BLEU 提供了一种快速、一致且廉价的方法，可在开发、优化和研究过程中自动追踪机器翻译系统的性能。它能够快速比较不同模型或系统迭代版本。虽然不完美——因为它不能完全捕捉流利度或含义——但在与人工评估结合使用时，它被广泛视为实用基准和有用的进步指标。