某公司將其工具產生的機器翻譯與同一組文件的人工翻譯進行比較。他們應該使用哪種評估策略來比較該工具相對於人工翻譯的翻譯品質？

正確答案是使用 BLEU 分數來評估這兩種方法的相對翻譯品質。BLEU (Bilingual Evaluation Understudy) 是一種廣泛用於機器翻譯評估的指標，它透過比較機器翻譯的輸出與一個或多個參考人工翻譯的重疊詞彙來計算分數。這使得 BLEU 能夠有效地衡量機器翻譯相對於人工翻譯的「相對」品質。雖然 BLEU 分數本身不能直接代表絕對的人類可讀性或流暢度，但它在比較不同機器翻譯系統或同一系統不同版本時非常有用。 BERTScore 是一種較新的評估指標，它利用預訓練的 BERT 模型來衡量翻譯的語義相似性，而不僅僅是詞彙重疊。雖然 BERTScore 在某些情況下可能提供更細緻的評估，但對於與人工翻譯進行直接、基於詞彙重疊的比較，BLEU 仍然是標準且廣泛接受的相對評估方法。因此，選項中選擇 BLEU 評估相對品質是最佳的。