🔑 名詞卡
BLEU（Bilingual Evaluation Understudy）
🎯 定義
一種評估生成文本與參考文本相似度的自動化指標，由 Papineni 等人於 2002 年提出，主要應用於機器翻譯領域。核心思想是計算生成文本與參考文本之間的 n-gram 重疊程度，並以簡短懲罰（Brevity Penalty）修正過短生成的偏差。
重點
- 分數範圍 0 到 1，分數越高表示生成文本與參考文本越相似。
- 著重「精確度」（precision）方向的 n-gram 重疊。
記憶技巧
BLEU＝翻譯像不像參考答案（詞彙層面的重疊比對），不是看懂不懂語意。
易混淆
- vs ROUGE：BLEU 著重精確度、常用於機器翻譯；ROUGE 著重召回率、常用於自動摘要。兩者都無法完全衡量語意正確性。
📖 課文原文「BLEU 是一種用於評估生成文本與參考文本相似度的自動化指標⋯⋯其核心思想是計算生成文本與一組參考文本之間的 n-gram（連續 n 個詞的序列）重疊程度，並結合簡短懲罰（Brevity Penalty）修正過短生成的偏差。」