ROUGE和BLEU是文本生成评估指标。ROUGE侧重于召回率，比较生成文本与参考文本的词汇重叠，适合用于摘要；而BLEU则关注精确度，评估生成文本与参考文本的匹配程度。BERTScore通过语义相似性评估文本，强调词义而非字面匹配。

本文提出了一种互助强化数据合成（MRDS）方法，以改善少量对话摘要任务。通过对话合成与摘要能力的相互强化，该方法提升了整体性能。实验结果表明，MRDS在少样本设置中提高了ROUGE和BERT评分，并在人工评估中表现优异。

本文探讨了评估大型语言模型（LLM）性能的统计方法，强调系统评估的重要性。介绍了三种评估指标：BLEU、ROUGE和METEOR。BLEU用于测量生成文本与参考文本的相似度，ROUGE侧重于召回率，适用于自动摘要，METEOR则考虑同义词和词序。尽管这些指标有助于评估LLM的输出质量，但也存在局限性，需结合其他方法进行全面评估。

DistilBart模型是一种用于文本摘要生成的编码-解码模型。本文介绍了DistilBart的架构及使用方法，包括摘要生成和风格控制。使用ROUGE指标评估摘要质量，通过计算生成摘要与参考摘要的相似度来衡量效果。调整参数可以生成不同风格的摘要，如简洁、详细、技术性和简单风格。

准确率是评估分类模型性能的重要指标，计算公式为Accuracy=(TP+TN)/(TP+TN+FP+FN)。精确率和召回率分别衡量模型对正类的预测准确性和覆盖程度。F1分数综合评估精确率和召回率，适用于类别不平衡的数据集。ROUGE和BLEU用于评估文本摘要和机器翻译的质量。