BERTScore

與傳統的 n-gram (BLEU, ROUGE（Recall-Oriented Understudy for Gisting Evaluation）匹配方法不同，BERTScore 能捕捉更深層的語義關聯，對詞彙變化和同義詞具有更高的容忍度。

• 基於深度語言模型（BERT）的詞向量相似度，不只看詞面重疊，更評估語意距離。
• BERTScore-P：重點偏向“精確率”（Precision），觀察輸出多少部分與參考文本的語意相符。
• BERTScore-R：重點偏向“召回率”（Recall），觀察參考文本多少部分被輸出成功覆蓋。
• BERTScore-F1：在精確率與召回率間取平衡的綜合分數。