概述
ROUGE 和 BLEU 是将机器生成的文本与人类参考进行比较的主要自动指标。 BLEU 专为翻译而设计，注重精度； ROUGE 是为总结而构建的，并且依赖于回忆。
ROUGE 和 BLEU 评估指标是一个技术构建块，会大规模影响模型质量、基础设施成本、延迟和可靠性。
深入探讨
这两个指标都测量候选文本和一个或多个参考文本之间的 n 元语法重叠，但它们强调不同的方向。 BLEU（双语评估研究）计算修改后的 n 元语法精度（通常为 1 到 4 元语法），将它们进行几何乘法，并应用简洁性惩罚，以便系统无法通过生成非常短的输出来欺骗分数。 ROUGE（Recall-Oriented Understudy for Gistingvaluation）更倾向于召回：ROUGE-N 计算重叠的 n-gram，ROUGE-L 使用最长的公共子序列来奖励有序匹配，而不需要连续性。 BLEU 询问“系统所说的有多少是正确的？”而 ROUGE 则询问“系统捕获了多少参考？”。两者都很便宜且可复制，但只能看到表面的单词重叠，缺少释义和含义。
技术洞察
BLEU 的改进精度将每个候选 n-gram 计数限制为其在任何参考中的最大计数，从而防止重复游戏；当输出短于参考时，简洁性惩罚就会开始。 ROUGE-L 的最长公共子序列捕获句子级结构和词序，同时允许间隙，而 ROUGE 经常报告结合精度和召回率的 F1。
掌握 ROUGE 和 BLEU 评估指标
ROUGE and BLEU are the workhorse automatic metrics for comparing machine-generated text against human references. BLEU was built for translation and leans on precision; ROUGE was built for summarization and leans on recall. ROUGE 和 BLEU 评估指标是一个技术构建块，会大规模影响模型质量、基础设施成本、延迟和可靠性。为了建立深入的理解，请将 ROUGE 和 BLEU 评估指标视为一种操作模型，而不是单个功能：定义期望的结果，澄清假设，并将系统可以可靠地执行的操作与仍需要专家判断的操作分开。
在实践中，强大的团队使用 ROUGE 和 BLEU 评估指标根据可靠性和成本优化架构、数据和基础设施选择。他们记录明确的成功标准，根据实际数据和工作流程进行测试，并根据观察到的失败模式而不是一次性基准测试胜利进行迭代。这就是理论理解转变为跨产品、政策和运营的持久能力的地方。
多年来，架构决策决定着性能和运营成本。与此同时，优化一个基准测试可以隐藏更广泛的系统弱点。最具弹性的方法是将实验速度与治理规则结合起来：运行试点、捕获证据、发布决策日志，并随着模型行为、用户期望和监管要求的发展不断更新保障措施。
战略影响
多年来，架构决策决定着性能和运营成本。
多年来，架构决策决定着性能和运营成本。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
技术教育帮助团队选择正确的堆栈，而不仅仅是最新的堆栈。
技术教育帮助团队选择正确的堆栈，而不仅仅是最新的堆栈。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
更好的工程选择可以减少生产中的可靠性事故。
更好的工程选择可以减少生产中的可靠性事故。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
现实世界的实施
Machine translation researchers report BLEU scores on WMT benchmarks to compare system quality
Summarization papers report ROUGE-1, ROUGE-2, and ROUGE-L on the CNN/DailyMail dataset
工程团队在 CI 中跟踪 BLEU，以在微调翻译模型时检测回归
A summarization product uses ROUGE-L as a cheap automatic check before running costlier human evaluation
实施模式
ROUGE 和 BLEU 评估指标的实践
Machine translation researchers report BLEU scores on WMT benchmarks to compare system quality.
机器翻译研究人员报告 WMT 基准上的 BLEU 分数以比较系统质量。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力提升和错误成本时，通常会获得更好的结果。
ROUGE 和 BLEU 评估指标的实践
摘要论文报告了 CNN/DailyMail 数据集上的 ROUGE-1、ROUGE-2 和 ROUGE-L。
总结论文在 CNN/DailyMail 数据集上报告了 ROUGE-1、ROUGE-2 和 ROUGE-L。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
ROUGE 和 BLEU 评估指标的实践
工程团队在 CI 中跟踪 BLEU，以在微调翻译模型时检测回归。
工程团队在 CI 中跟踪 BLEU，以在微调翻译模型时检测回归。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力提升和错误成本时，通常会获得更好的结果。
ROUGE 和 BLEU 评估指标的实践
摘要产品在运行成本更高的人工评估之前使用 ROUGE-L 作为廉价的自动检查。
总结产品在运行成本较高的人工评估之前使用 ROUGE-L 作为廉价的自动检查。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会得到更好的结果。
风险与防护栏
优化一项基准测试可以隐藏更广泛的系统弱点。
基础设施和维护成本常常被低估。
随着系统变得更加复杂，安全性和可观察性差距可能会扩大。
实施路线图
在实施之前定义延迟、质量和成本目标。
在实施之前定义延迟、质量和成本目标。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
在实际负载和数据条件下进行基准测试。
在实际负载和数据条件下进行基准测试。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
仪器监控错误、漂移和用户影响。
仪器监控错误、漂移和用户影响。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
在扩展之前准备回滚和事件响应路径。
在扩展之前准备回滚和事件响应路径。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。