机器翻译性能的提升离不开及时反馈，但人工反馈成本高，需要自动评估方法。随着大语言模型的发展，QE领域也有学者尝试用大语言模型给译文进行自动化打分，但表现没有预期好。比如2024年ACL的一篇论文得出提供原文会降低相关系数的结论，但几个月之后EMNLP的一篇论文又得出了不提供原文才会降低相关系数的相反结论。也就是说，目前用LLM做QE任务的方法鲁棒性差且效果不好。本次汇报的目的是尝试用新方法来提升用LLM做QE任务的表现。

1. 解决llama-13b的评测问题
2. 修改题目，因为新方法并不是完全使用了生成式特点
3. 补全优化实验步骤，让实验步骤看起来更一目了然