目前PaddleNLP提供以下模型评价指标：
| Metric | 简介 | API |
|---|---|---|
| Perplexity | 困惑度，常用来衡量语言模型优劣，也可用于机器翻译、文本生成等任务。 | paddlenlp.metrics.Perplexity |
| BLEU(BiLingual Evaluation Understudy) | 机器翻译常用评价指标 | paddlenlp.metrics.BLEU |
| Rouge(Recall-Oriented Understudy for Gisting Evaluation) | 评估自动文摘以及机器翻译的指标 | paddlenlp.metrics.RougeL, paddlenlp.metrics.RougeN |
| AccuracyAndF1 | 准确率及F1-score，可用于GLUE中的MRPC 和QQP任务 | paddlenlp.metrics.AccuracyAndF1 |
| PearsonAndSpearman | 皮尔森相关性系数和斯皮尔曼相关系数。可用于GLUE中的STS-B任务 | paddlenlp.metrics.PearsonAndSpearman |
| Mcc(Matthews correlation coefficient) | 马修斯相关系数，用以测量二分类的分类性能的指标。可用于GLUE中的CoLA任务 | paddlenlp.metrics.Mcc |
| ChunkEvaluator | 计算了块检测的精确率、召回率和F1-score。常用于序列标记任务，如命名实体识别（NER） | paddlenlp.metrics.ChunkEvaluator |
| Squad Evalutaion | 用于SQuAD和DuReader-robust的评价指标 | paddlenlp.metrics.compute_predictions, paddlenlp.metrics.squad_evaluate |
| Distinct | 多样性指标，常用来衡量文本生成模型生成的句子形式上的多样性。 | paddlenlp.metrics.Distinct |