本研究评估了机器翻译评估指标在对抗性合成文本上的性能，并发现了脆弱性模式。实验结果显示自动指标过度惩罚对抗性降级翻译且评级不一致。研究结果有助于推动更稳健的指标开发。

该研究探讨了机器翻译评估指标在对抗性合成文本上的性能，发现自动指标过度惩罚对抗性降级翻译，BERTScore评级不一致，推动更稳健的指标开发。