在翻译语义相似度（Translation Semantic Similarity）和会议摘要相似度（Meeting Summary Similarity）等任务中，通常会根据任务的目标和输出形式，将其划分为三类常见的任务类型：

1. 分类任务

定义：

将样本划分到有限个离散类别中的任务。

应用于相似度任务中的形式：

• 判断两个文本是否“语义相似”或“不相似”。

• 举例：

  输入 A 和 B → 输出：相似（1）或不相似（0）
  或输出：高相似（2）、中等（1）、低（0）

特点：

• 输出是离散的标签

• 常见指标：Accuracy（准确率）、Precision（精确率）、Recall（召回率）、F1 分数

示例应用：

• 判断会议摘要是否忠实于原文内容

• 翻译句子是否语义上与原文一致（合格 / 不合格）

2. 回归任务

定义：

输出一个连续的实数，用于表示程度或评分。

应用于相似度任务中的形式：

• 给出两个文本之间的相似度分数（如 0~5 分）

• 举例：

  输入 A 和 B → 输出：相似度为 4.3 分

特点：

• 输出是连续数值

• 常见指标：MSE（均方误差）、MAE（平均绝对误差）、Pearson/Spearman 相关系数

示例应用：

• 翻译语义相似度评估（如 MLQE，Multilingual Quality Estimation）

• 会议摘要与原始会议记录之间的相似度打分（如 1~5）

3. 生成任务（生成任务不是直接评估相似度，而是作为中间步骤）

定义：

模型直接生成文本作为输出。

流程

1. 输入句子 A

2. 用生成模型生成句子 B'（例如摘要或翻译）

3. 将 B' 与目标文本 B 比较：

   • BERTScore(B', B)

   • ROUGE(B', B)

   • COMET(B', B)

4. 得到一个相似度得分

应用于相似度任务中的形式：

• 生成一段新的摘要或翻译

• 生成一个与原句相似的句子，用于语义对齐

特点：

• 输出是自然语言文本

• 常见指标：BLEU、ROUGE、BERTScore、ChrF、COMET、BLEURT、GEM等

示例应用：

• 自动生成会议摘要，并与人工摘要进行比较

• 生成更高质量的翻译文本进行相似性验证

小结对比表：

在翻译语义相似度 / 会议摘要相似度评估任务中怎么选？

如做质量维度评估（如 Coherence、Consistency、Fluency、Relevance），建议采用回归任务来对每个维度进行打分（如 1~5 分），也可以使用分类任务对每个维度进行高/中/低判断。如果生成摘要或自动改写翻译，就是生成任务。