待验证50% 置信事实精确时间
评估机器翻译质量通常采用人工评分（如充分性、流畅性）和自动指标（如BLEU、COMET）相结合的方式，但自动指标与人类判断的相关性有限。
1
来源数
50%
置信度
长期有效
时效性
2026/10/26
首次发现
来源
涉及实体
相关事实
待验证该方法把难以直接量化的描述质量转化为可客观判定对错的答题正确率，保留了评估的自动化和可复现性76% 相似待验证结果验证需要建立客观量化标准，如分类准确率、回复合规性、人工修正比例，并在一定样本量上统计72% 相似待验证自动指标做初筛、人工抽检做校准，并将人工反馈回流到评审器规则中，是平衡自动评估与人类审美的可行折中方案。70% 相似待验证输出质量（行动项是否写得好、摘要是否通顺）是主观的，由级联中的人工审核队列处理；测试验证机械契约（有据可查、去重、有界、失败时大声报警），人类验证文字表达。69% 相似待验证人工评估生成质量时，若没有标准测试集，判断容易受样本选择、提问方式和评估者主观预期影响；更严谨的做法是构造覆盖不同难度和领域的问题集，由多名评估者独立打分，并与公开基准或人工撰写答案做对照。68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1098399API
curl https://kongchang.com/api/v1/knowledge/claims/1098399MCP
get_claim(id=1098399)