BLEU (Bilingual Evaluation Understudy), 1999 von Kishore Papineni et al. bei IBM Research vorgestellt, ist eine der klassischen automatischen Bewertungsmetriken im Bereich der maschinellen Übersetzung und der Textgenerierung. Der综合-Score wird berechnet, indem die n-Gramm-Präzision zwischen Kandidat und Referenz (typischerweise 1- bis 4-Gramm) mit einem Längenbestrafungsfaktor multipliziert wird. BLEU-4 verwendet n-Gramme bis zur Länge 4. Der Score-Bereich liegt zwischen 0 und 100 und wird üblicherweise als Prozentwert oder als Zahl zwischen 0 und 1 angegeben; höhere Werte sind besser und zeigen eine höhere Überlappung mit der Referenz auf Phrase-Ebene an. Es wird häufig zusammen mit semantischen Metriken verwendet, um die geringe Sensitivität gegenüber synonymen Ausdrücken auszugleichen.