大语言模型常见评估指标与经典模型架构解析：BLEU、ROUGE、PPL 与 BERT、GPT、Seq2Seq

文章梳理了 BLEU、ROUGE、PPL 三类 NLP 常用评估指标，并详解 BERT、GPT、Seq2Seq 三大经典架构。BLEU 以 n-gram 精确率匹配为主用于机器翻译，ROUGE 侧重召回率用于文本摘要，PPL 衡量语言模型预测下一个 token 的能力且越低越好。