Span-Level Machine Translation Meta-Evaluation

研究者提出“部分重叠与部分计分的匹配”（MPP）作为机器翻译错误检测评估的稳健元评估策略。 实验表明看似相似的 span-level 实现会导致显著不同的模型排名，且某些常用技术不适合评估 MT 错误检测。 代码已公开，并应用 MPP 评估了当前 SOTA MT 错误检测系统的表现。