DeepL - AI 资讯

DeepL 深度解读：标准化测试分数 vs. 实际业务价值，为何翻译质量评估正在失效？

DeepL 团队发布最新观点，指出当前主流的翻译质量评估体系（如 BLEU、COMET、GEMBA）存在严重局限性。尽管 DeepL 在盲测中仍保持领先，但标准测试分数与实际业务场景中的表现存在巨大鸿沟。文章深入剖析了 MQM 框架与自动化评估指标的缺陷，强调企业在选型时应超越单一分数，关注翻译在实际语境中的自然度与准确性。