Trong NLP, độ đo 'BLEU score' thường được sử dụng để đánh giá hiệu suất của hệ thống nào?

Hệ thống phân loại văn bản.

Hệ thống dịch máy.

Hệ thống tóm tắt văn bản.

Hệ thống trả lời câu hỏi.