BLEU-41 篇实战文章

一个教算法的 RAG 系统，报告了 179 道考试题 100% 成功率，平均响应 38.0 秒。同一套生成的答案，BLEU4 为零，ROUGE1 F1 是 0.0963，ROUGEL F1 是 0.0683。 一个说全对，一个说和参考答案之间没有任何连续四词序列共现。表面相似度归零，但系统报告全部命中。