Kvíz spojený s průvodcem · Střední úroveň

ROUGE a BLEU Evaluation Metrics Quiz

Kontroluje přesnost a ořez BLEU, vyvolání ROUGE a překrývání sekvencí a proč v n-gramových metrikách chybí sémanticky platné parafráze.

Související vodicí cestyMetriky hodnocení Rouge a Bleu
Otázka 1 z 8

Která metrika byla původně navržena pro strojový překlad a klade důraz na přesnost?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Která metrika byla původně navržena pro strojový překlad a klade důraz na přesnost?
    • BLEU
    • ROUGE
    • BERTScore
    • pouze F1
  2. Na co je ROUGE primárně zaměřeno?
    • Přesnost
    • Odvolání
    • Latence
    • Velikost modelu
  3. Čemu brání trest za stručnost BLEU?
    • Produkce příliš dlouhých výstupů
    • Používání vzácných slov
    • Hraní skóre s velmi krátkými výstupy
    • Opakování stejného slova
  4. Co měří ROUGE-L?
    • Počet písmen ve výstupu
    • Latence v milisekundách
    • Nejvyšší použitá rychlost učení
    • Nejdelší společná podsekvence mezi kandidátem a referencí
  5. Jaké je klíčové sdílené omezení BLEU i ROUGE?
    • Měří pouze povrchové překrytí n-gramů a chybí jim parafráze nebo význam
    • K výpočtu potřebují GPU
    • Neumí si poradit s anglickým textem
    • Nepotřebují žádný referenční text
  6. Jak BLEU zabrání systému hrát skóre opakováním vysokofrekvenčního n-gramu?
    • Ignoruje všechna opakovaná slova
    • Ořízne každý kandidátní počet n-gramů na maximální počet v referencích
    • Počítá pouze první větu
    • Každé opakování penalizuje na nulu
  7. When does BLEU’s brevity penalty reduce a candidate’s score?
    • When the candidate includes a unigram match
    • When the reference contains more than four words
    • When the candidate is shorter than the reference length
    • When the candidate uses a paraphrase
  8. Why does BLEU take a geometric mean across n-gram precisions?
    • It converts precision into a confidence interval
    • It guarantees semantic equivalence
    • It removes the need for reference text
    • A low score at one n-gram order can substantially lower the combined score