该文综述机器翻译质量评估研究，涵盖句子级错误检测、半监督词级方法与特征归属基准、基于人类反馈的强化学习与奖励模型及数据过滤、自监督预训练与标记修正构建的无参考HJQE数据集、无监督黑盒质量估计与对抗测试、分类优化后编辑量预测与知识蒸馏压缩，以及QE-fusion结合候选池提升翻译质量。

本文综述机器翻译质量评估研究，指出改进参考文献收集与同义词改写可提升自动指标与人工评估的相关性；自动指标单独使用易致误判，需结合人工判断；提出基于MQM错误分析和预训练模型的评估方法，分层抽样可降低标注成本，神经度量训练增强鲁棒性；并指出既有评估设计缺陷，需改进评估协议。