04 / LANGUAGE EVALUATION

一个分数，
怎样衡量翻译？

修改一句译文，观察词组匹配、长度与 BLEU 的关系。每个数字，都能向下追溯。

候选译文 Candidate 参考译文 References · 每行一条最高 n-gram 阶数

按空白分词，保留大小写和标点。中文请先用空格分词。固定阶数、均匀权重、无平滑；仅计算单句，非语料级 BLEU。

SENTENCE BLEU / 0–100

100.00

BP × exp( mean( log pₙ ) )

BLEU 衡量词组重合，不能独立判断语义准确性、流畅度或事实正确性。

拆开看，每一个匹配。

各阶裁剪精度
阶数	匹配 / 总数	精度

重复词不能无限加分：每个词组的候选计数，以各参考译文中的最大计数为上限。参考长度选择与候选最接近的一条，距离相同时选较短者。

候选比参考短时，BP = exp(1 − r/c)；否则 BP = 1。任何阶的精度为零，未平滑 BLEU 就是零，因此很短的句子不适合直接使用 BLEU-4。

整理自本地翻译评估学习材料，计算模块与界面重新实现。示例为人工构造，不代表翻译模型评测结果。方法参考 Papineni et al., 2002。