LLM評価

テキスト生成AIの品質を数値化するBLEUとROUGEの算出アルゴリズムを比較。適合率を測るBLEUと再現率を重視するROUGEの計算ロジック、Brevity Penalty、日本語形態素解析によるスコア変動の注意点を整理します。