机器翻译评估研究综述指出，ACES挑战集测试显示WMT 2023分段指标无明显优胜者，性能变化不确定。建议开发者组合不同设计家族的指标，注重源信息、减少表面重叠依赖，并明确多语言嵌入影响。研究还发现现有指标与下游任务相关性微弱，分数难以解释，未来应输出错误标签而非得分。