理解文本生成评估指标

在 PyBooks，团队刚用 BLEU 分数评估了一个预训练模型，结果约为 0.082，rouge1_fmeasure 约为 0.2692。该指标反映了精确率（选中的项目有多少是相关的）和召回率（相关的项目有多少被选中）。从模型性能的角度，您会如何解读这个分数？