一款语言学习应用使用大型语言模型（LLM）来改写文本，使其更具可读性。训练数据集包含原始文本及其更具可读性的版本，公司希望模型的输出与这些示例匹配。他们应该使用哪个指标来评估模型输出与参考改写文本的匹配程度？

ROUGE (Recall-Oriented Understudy for Gisting Evaluation) 分数是评估文本摘要和机器翻译等任务中生成文本质量的常用指标。它通过比较模型输出与参考文本之间的重叠（例如，n-gram、词序列或词对）来衡量其相似度，这与该场景中评估改写文本与参考改写文本的匹配程度的目标高度吻合。损失函数的值是训练过程中的优化目标，不能直接衡量模型输出的质量。语义鲁棒性衡量模型在输入微小变化时输出是否保持一致，与文本匹配度无关。文本生成延迟是性能指标，而非质量指标。