BLEU（Bilingual Evaluation Understudy）由 IBM Research 的 Kishore Papineni 等人于 2002 年提出，是机器翻译及文本生成领域最经典的自动评估指标之一。通过计算候选与参考之间的 n-gram 精确率（通常 1 至 4 元），并乘以长度惩罚因子得到综合分数。BLEU-4 取至 4-gram。分数范围为 0–100，通常以百分比或 0–1 分数报告，数值越高越好，表示与参考在词组层面的重叠程度越高。常与语义类指标配合使用以弥补对同义表达不敏感的缺点。