nlp任务的评估不可能使用通用方法

# nlp开放性问题，不能统一使用句子相似度来衡量，模型输出的结果，比如对联问题，
# 不能说人类或者说某人出了上联，而下联的答案是唯一的，所以机器在输出结果上不能是唯一的
# 机器固然会迷惑所以就一般是你想要的结果，和一半不是你想要的结果。
#  遂你的模型单纯从句子的相似度来看的话是不可避免的高不了，但是，语句通顺成都自然是高。
# 在举一个反例 那就是 文本纠错任务，由于一句话的某个字是固定不变的，
# 所以只要足够多的训练集合是完全可以实现纠错功能的，但是你还是不能完全使用句子的相似度。
# 而是将相似度二值（假设一句话只有一个错别字）完全相同就得一分不完全相同就的0分最后加和比上句子总数
# 再比如更加复杂的sum 这个特别的难评估只要是意思一样就可以。针对，nlp 任务的评估你要训练一个nlp 评估模型
# 那就是句子的通顺度，和句子的意思相似度。 但是更可怕的还是对联你怎么评价结果的高度。文无第一，武无第二。
# 故而为了简单方便不纠结，只能检测的是语句通顺度，和一段话的逻辑连续性。