[论文翻译]BERTSCORE：基于BERT的文本生成评估

我们提出BERTSCORE，一种用于文本生成的自动评估指标。与常见指标类似，BERTSCORE会计算候选句中每个token与参考句中每个token的相似度分数。但不同于精确匹配，我们使用上下文嵌入来计算token相似度。我们基于363个机器翻译和图像描述系统的输出进行评估。相比现有指标，BERTSCORE与人类判断具有更高相关性，并提供更强的模型选择性能。最后，我们通过对抗性复述检测任务证明，相较于现有指标，BERTSCORE在面对挑战性样本时更具鲁棒性。