2401_86968005的博客

在自然语言处理（NLP）领域，评估模型生成文本的质量至关重要。BLUE（Bilingual Evaluation Understudy）、ROUGE（Recall - Oriented Understudy for Gisting Evaluation）和PPL（Perplexity）是常用的评估指标，它们从不同角度衡量生成文本与参考文本的相似度或模型对文本的拟合程度。本文将详细介绍这三个指标的概念、公式，并给出Python手写代码实现示例。

在 AI 的世界里，大模型的界定有着明确的标准，那就是参数量。一般来说，参数量达到 10 亿（10 亿 = 1B）以上的 AI 模型，我们称之为大模型，而参数量在 10 亿以下的则属于小模型。