近日，Facebook 人工智能实验室发表了一篇名为「论翻译训练机器翻译系统的评价」的新研究。以下是该研究完整摘要：反向翻译是一种广泛使用的利用目标单语数据的数据增强技术。然而，由于类似 BLEU 等自动指标仅显示其中源本身是一个或多个翻译的测试示例的显著改善，反向翻译的有效性受到了挑战。而学界广泛认为这是由于翻译输入更好地匹配反向翻译的训练数据所导致的。在该研究中，研究人员证明了这个猜想并不仅是经验支撑的。根据专业人工翻译，反向翻译提高了自然发生的文本以及翻译的翻译质量。研究人员提供了实验证据证明了该观点：反向翻译是人类的首选，因为它可以产生更流畅的输出。而 BLEU 无法捕捉人类偏好，因为当源句子是自然文本时，引用是翻译的。研究人员同时建议使用语言模型评分来补充 BLEU，以衡量流利程度。