1机器翻译与对齐
闭卷重建机器翻译与对齐的对象、公式、算例、算法与失败边界。
自然语言处理 · 小纸条
选一章打印。双面打印（按长边翻页）后沿虚线剪开，每张卡片正面题目、背面答案。
第 1 页 · 正面（题目）
2BLEU、长度惩罚与翻译评价
闭卷重建BLEU、长度惩罚与翻译评价的对象、公式、算例、算法与失败边界。
3摘要、压缩与内容选择
闭卷重建摘要、压缩与内容选择的对象、公式、算例、算法与失败边界。
4摘要事实性与引用
闭卷重建摘要事实性与引用的对象、公式、算例、算法与失败边界。
5对话状态、轮次与工具调用
闭卷重建对话状态、轮次与工具调用的对象、公式、算例、算法与失败边界。
6可控生成、采样与多样性
闭卷重建可控生成、采样与多样性的对象、公式、算例、算法与失败边界。
7多语言、低资源与跨语言迁移
闭卷重建多语言、低资源与跨语言迁移的对象、公式、算例、算法与失败边界。
第 1 页 · 背面（答案）
对象：BLEU用截断n-gram精确率和长度惩罚衡量参考重叠，不能充分评价语义、术语和事实。；公式：BLEU=BP×exp(average log modified precisions)。；算例：候选过短即使词都正确也受BP惩罚；同义翻译可能重叠低。；边界：用句级BLEU稳定排序单句；在测试集挑参考。。
对象：翻译需在源目标语言间保持意义、实体、数量、语气和格式；词/短语对齐是解释和诊断工具。；公式：P(target|source)=product_t P(target_t|target_<t,source)。；算例：源句含数字2026，目标漏译该数字，即使其余流畅也属关键信息丢失。；边界：只按表面逐词翻；专名和数字被自由改写。。
对象：生成摘要可能出现实体交换、数字错误、无来源推断；逐主张对齐证据比整体相似度更严格。；公式：factual coverage=supported claims/all summary claims。；算例：摘要10个主张仅8个被原文支持，事实支持率80%。；边界：用另一个模型无证据打分；引用段只主题相关不蕴含主张。。
对象：摘要需在长度预算内选择关键信息并保持实体/因果；抽取式和生成式有不同覆盖与新颖性。；公式：compression ratio=summary length/source length。；算例：原文1000词、摘要200词，压缩率20%。；边界：只优化ROUGE复制重复句；摘要省略否定词改变结论。。
对象：温度、top-k/top-p和约束解码改变随机性与可控性；多样性不能以事实、安全和schema为代价。；公式：temperature rescales logits before softmax。；算例：温度降低使分布更尖锐但不保证事实更正确。；边界：只展示随机最好样本；禁词过滤被变体绕过。。
对象：任务对话需跟踪意图、槽位、确认和外部工具结果；状态是可审计对象，不应只藏在语言历史。；公式：next state=update(previous state,user act,tool result)。；算例：用户把日期从周一改周二，状态应覆盖日期但保留目的地，工具调用使用新版本。；边界：旧槽位残留导致订错日期；模型自行编造工具成功。。
对象：共享子词和表示可迁移，但语系、文字、领域和数据比例会造成高资源语言主导与负迁移。；公式：worst-language metric=min metric_l over declared languages。；算例：三语F1为.9,.75,.4，总体平均掩盖低资源语.4。；边界：把机器翻译训练数据当原生数据；只报宏平均不报最差语言。。