Il prossimoProssima guida
Metriche di valutazione RAG e RAGAS
Tecnico
GUIDA TECNICA
ROUGE e BLEU sono i parametri automatici più efficaci per confrontare il testo generato dalla macchina con i riferimenti umani.
Ascolta questa guidaNarrato dall'IA · ~2 min
BLEU è stato creato per la traduzione e si basa sulla precisione; ROUGE è stato costruito per la sintesi e si appoggia al ricordo.
Entrambi i parametri misurano la sovrapposizione di n grammi tra un testo candidato e uno o più testi di riferimento, ma enfatizzano direzioni diverse. BLEU (Bilingual Evaluation Understudy) calcola la precisione modificata di n grammi (in genere da 1 a 4 grammi), li moltiplica geometricamente e applica una penalità di brevità in modo che un sistema non possa giocare il punteggio producendo un output molto breve. ROUGE (Recall-Oriented Understudy for Gisting Evaluation) favorisce invece il richiamo: ROUGE-N conta n-grammi sovrapposti, ROUGE-L utilizza la sottosequenza comune più lunga per premiare le corrispondenze in ordine senza richiedere contiguità. BLEU chiede "quanto di ciò che dice il sistema è corretto?" mentre ROUGE chiede "quanto riferimento ha catturato il sistema?". Entrambi sono economici e riproducibili, ma vedono solo la sovrapposizione superficiale delle parole, la parafrasi e il significato mancanti.
I ricercatori di traduzione automatica riportano i punteggi BLEU sui benchmark WMT per confrontare la qualità del sistema
I documenti di riepilogo riportano ROUGE-1, ROUGE-2 e ROUGE-L sul set di dati CNN/DailyMail
Un team di ingegneri tiene traccia di BLEU in CI per rilevare regressioni durante la messa a punto di un modello di traduzione
Un prodotto di riepilogo utilizza ROUGE-L come controllo automatico ed economico prima di eseguire una valutazione umana più costosa
Poiché le metriche n-gram premiano le corrispondenze esatte delle parole, sottovalutano le parafrasi valide e le riscritture fluenti, un problema crescente poiché gli output LLM divergono lessicalmente dai riferimenti. Metriche basate sull’incorporamento come BERTScore e metriche apprese come BLEURT e COMET, oltre alla valutazione LLM come giudice, le integrano o le sostituiscono sempre più. Tuttavia, ROUGE e BLEU persistono come linee di base veloci e trasparenti riportate in quasi tutti gli articoli.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
ROUGE e BLEU sono i parametri automatici più efficaci per confrontare il testo generato dalla macchina con i riferimenti umani. BLEU è stato creato per la traduzione e si basa sulla precisione; ROUGE è stato costruito per la sintesi e si appoggia al ricordo.
BLEU è stato creato per la traduzione e si basa sulla precisione n-grammi modificata con una penalità di brevità.
ROUGE sta per Recall-Oriented Understudy for Gisting Evaluation e sottolinea quanta parte del riferimento viene catturata.
La penalità di brevità abbassa il BLEU quando il candidato è più corto del riferimento, impedendo ai sistemi di gonfiare la precisione con un output conciso.
ROUGE-L utilizza la sottosequenza comune più lunga, premiando le corrispondenze in ordine pur consentendo lacune.
Entrambi si basano sull'esatta corrispondenza parola/n-gramma, quindi sottovalutano le parafrasi valide che differiscono lessicalmente dal riferimento.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
Metriche di valutazione RAG e RAGAS
Tecnico