本文分析了传统指标（如BLEU、TER）与神经方法（如BERTScore、COMET）在日英聊天翻译中的表现。研究表明，所有指标在模型排名上表现一致，但神经指标与人类评分的相关性更高，尤其是COMET。然而，在评估含有零代词的日语句子翻译时，最佳指标仍存在困难。