待验证60% 置信事实精确时间
BLEU常用于机器翻译评估，ROUGE广泛应用于摘要任务，两者均通过统计n-gram重叠程度衡量文本质量
2
来源数
60%
置信度
长期有效
时效性
2026/7/11
首次发现
来源
亲历NCA-GENL认证：IT转型者的备考实录与避坑指南
redditr/learnmachinelearning2026/7/9
相关事实
已验证BLEU是1990年代提出的自然语言生成评估指标，通过计算生成文本与参考译文之间的n-gram重叠度来衡量质量，仍是机器翻译领域的标准基准81% 相似待验证BLEU最初为机器翻译设计，通过统计n-gram重叠率衡量质量80% 相似待验证BERTScore 通过计算候选文本与参考文本在语义嵌入空间中的余弦相似度来衡量质量，区别于基于词汇重叠的BLEU、ROUGE等指标71% 相似待验证BLEU的核心思路是计算机器译文与参考译文之间的n-gram重叠程度，其局限性包括对词序变化不敏感、无法捕捉语义等价的同义替换、依赖参考译文质量和数量71% 相似待验证在DoGBench之前，评估AI生成文档的质量大多依赖主观判断或通用文本指标如BLEU、ROUGE70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/482294API
curl https://kongchang.com/api/v1/knowledge/claims/482294MCP
get_claim(id=482294)