AIF-C01：AWS Certified AI Practitioner 基盤モデルの応用 問23
基盤モデルの応用／基盤モデルの性能評価機械翻訳モデルが生成した訳文を、人手で用意した参照訳とどの程度一致しているかという観点で、自動的・定量的に評価したいと考えています。機械翻訳の品質評価に一般的に用いられる指標はどれですか。
当サイトのオリジナル問題（AIF-C01：AWS Certified AI Practitionerの出題範囲「基盤モデルの応用」に対応。実際の試験問題ではありません）
- A再現率（Recall）
- B二乗平均平方根誤差（RMSE）
- CF1 スコア
- DBLEU スコア
正解：D
解説
BLEU スコアは、機械翻訳の生成文と参照訳の n-gram の一致度に基づく、翻訳品質の自動評価に広く用いられる指標です。RMSE は回帰（連続値予測）の誤差指標、再現率や F1 は分類の指標で、翻訳文の一致度評価には適しません。
下線の用語は 用語集 で意味を確認できます。
選択肢ごとの解説
- A誤り。再現率は分類の指標で、翻訳文の一致度を測る標準的な指標ではありません。
- B誤り。RMSE は連続値を予測する回帰タスクの誤差指標で、翻訳品質の評価には使いません。
- C誤り。F1 スコアは分類の指標で、機械翻訳の品質評価に一般的に用いる指標ではありません。
- D正しい。BLEU は参照訳との n-gram 一致に基づく、機械翻訳の自動評価指標です。