机器翻译质量怎么评？从 BLEU 分数到人工评估体系

企业在引入机器翻译时总会问：哪个引擎质量好？过去，这个问题常被一个简单的数字回答——BLEU 分数。但行业早已认识到，自动指标与真实可用性之间存在鸿沟：BLEU 高的译文未必可读，BLEU 相近的两个引擎在实际业务文本上的表现可能天差地别。

2022 年，以人工评估为核心的质量评估体系正在成为行业标准动作。主流做法是组织双语评估员，对机翻译文按"准确性、流畅性、术语一致性"等维度打分，或直接比较两个引擎的译文优劣（成对比较法）。评估必须基于企业自身的真实语料——法律合同、产品手册、营销文案上的引擎表现可能截然不同。

更精细的实践还会测量"编辑距离"：译员把机翻译文修改到交付标准实际需要多少改动。这个指标直接关联译后编辑的成本，是 MTPE 项目报价的技术基础。

对企业客户的建议很朴素：选机翻引擎不要看宣传参数，用自己过去一年的真实文档做一次小规模评估，让数据说话。对翻译公司而言，机翻评估能力本身，正在成为一项可以对外输出的专业服务。