Papineni ら（2002）が提案した BLEU は、機械翻訳の出力を1つ以上の人間の参照訳と比較し、重なり合う単語 n-gram を数え、短すぎる出力にはペナルティを課します。翻訳品質に関する人間の判断とある程度相関した初の自動評価指標であり、この分野の標準となりました。
BLEU は高速で再現性がありますが、意味や言い換えを捉えられないため、人手評価の代わりではなく、併用する形で使われます。
評価
2026年更新
BLEU
定義
機械翻訳の自動評価指標として長く使われてきたもので、出力の単語列が人間による参照訳とどれだけ重なるかで採点します。
参考文献
この定義の根拠となる一次資料、査読済み資料、アーカイブ資料です。
BLEU: a Method for Automatic Evaluation of Machine Translation
辞書・百科事典の項目
- Wikipedia — BLEU
- Hugging Face — BLEU metric
この項目を引用する
MultipleChat「BLEU」MultipleChat AI・LLM 用語集、2026年。https://multiple.chat/ai-glossary/bleu