يُقدم BLEU (Bilingual Evaluation Understudy) بواسطة كيشور بابيني وآخرون في عام 2002، ويتم حساب الدرجة الشاملة عن طريق حساب دقة n-gram (عادةً من 1 إلى 4) بين المرشح والنص المرجعي، وضربها في عامل عقوبة الطول، حيث تتراوح الدرجة بين 0 و100، وكلما كانت أعلى كان أفضل.

يُقدم ROUGE (Recall-Oriented Understudy for Gisting Evaluation) بواسطة تشين-يو لين في عام 2004، وكان يُستخدم في الأصل لتقييم التلخيص الآلي، ثم توسع ليشمل مهام الترجمة الآلية وتوليد النصوص. يعتمد ROUGE-L على أطول تسلسل مشترك (LCS) لحساب المتوسط التوافقي للاسترجاع والدقة، مما يأخذ في الاعتبار تغطية المحتوى والترتيب معاً. يقيس هذا المؤشر أمانة النص المُولّد بناءً على تداخل n-gram مع النص المرجعي، وهو مناسب للتوليد المفتوح الذي يحتوي على إجابات مرجعية. كلما كانت القيمة أعلى، كان الأداء أفضل. هذا المؤشر حساس لتغطية المعلومات الأساسية في الملخصات، وهو أحد الخيارات المعيارية لتقييم تلخيص النصوص.

يُستخدم كلاهما في التوليد المفتوح الذي يتضمن إجابات مرجعية.