在自然语言处理（NLP）领域，如何自动、快速、可重复地评估模型生成的文本质量，一直是个核心难题。尤其是机器翻译，人工评价虽然准确，但成本高、耗时长，难以在模型开发迭代中实时反馈。于是，BLEU 应运而...