引导式测验 · 中等 等级

ROUGE 和 BLEU 评估指标测验

检查 BLEU 精度和剪辑、ROUGE 召回率和序列重叠，以及为什么 n-gram 指标会错过语义上有效的释义。

相关引导路径红色和蓝色评估指标
问题 1 的 8

哪个指标最初是为机器翻译设计的并且强调精度？

预览每个问题8 问题

当您参加测验时，就会出现答案和解释。

  1. 哪个指标最初是为机器翻译设计的并且强调精度？
    • 蓝线
    • 胭脂
    • BERT评分
    • 仅限 F1
  2. ROUGE主要面向什么？
    • 精度
    • 召回
    • 延迟
    • 型号尺寸
  3. BLEU 的简洁性惩罚会阻止什么？
    • 产生过长的输出
    • 使用生僻字词
    • 用非常短的输出来计算分数
    • 重复同一个词
  4. ROUGE-L 测量什么？
    • 输出中的字母数
    • 延迟（以毫秒为单位）
    • 使用的最大学习率
    • 候选和参考之间的最长公共子序列
  5. BLEU 和 ROUGE 的主要共同限制是什么？
    • 它们仅测量表面 n 元语法重叠，而忽略释义或含义
    • 它们需要 GPU 来计算
    • 他们无法处理英文文本
    • 他们不需要参考文本
  6. BLEU 如何防止系统通过重复高频 n 元语法来玩弄分数？
    • 它忽略所有重复的单词
    • 它将每个候选 n-gram 计数限制为其参考文献中的最大计数
    • 只计算第一句话
    • 它将任何重复惩罚为零
  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