BLEU 由 Papineni 等人（2002）提出，通过重合的词 n-gram 将机器译文与一个或多个人工参考译文进行比较，并对过短的输出施加惩罚。它是第一个与人类对翻译质量的判断具有较好相关性的自动指标，并成为该领域的标准。
BLEU 速度快、结果可复现，但无法识别语义和同义改写，因此它只能与人工评估配合使用，而不能取而代之。
评估
2026 年更新
BLEU
定义
一种历史悠久的机器翻译自动评估指标，根据输出的词序列与人工参考译文的重合程度来打分。
参考文献
本定义所依据的一手文献、同行评审文献和存档资料。
BLEU: a Method for Automatic Evaluation of Machine Translation
词典与百科条目
- Wikipedia — BLEU
- Hugging Face — BLEU metric
引用本条目
MultipleChat.《BLEU》. MultipleChat AI 与 LLM 术语表，2026. https://multiple.chat/ai-glossary/bleu