BERTScore

传统评估指标如BLEU、ROUGE依赖词面重叠，难以识别同义改写。BERTScore将候选句与参考句分别输入BERT获取每个词的上下文向量，再通过贪心匹配计算词级余弦相似度，汇总为精确率、召回率和F1。它更贴近人类对语义相似性的判断，广泛用于文本生成、机器翻译和摘要任务的评测。