BLEU, vorgestellt von Papineni et al. (2002), vergleicht eine maschinelle Übersetzung mit einer oder mehreren menschlichen Referenzen anhand übereinstimmender Wort-n-Gramme und bestraft zu kurze Ausgaben. Es war die erste automatische Metrik, die einigermaßen mit dem menschlichen Urteil über Übersetzungsqualität korrelierte, und wurde zum Standard des Fachgebiets.
BLEU ist schnell und reproduzierbar, aber blind für Bedeutung und Umformulierungen – deshalb wird es ergänzend zur menschlichen Bewertung eingesetzt, nicht als Ersatz.