機械翻訳（MT）の評価指標において、単なる品質スコアにとどまらず、「説明可能性」の重要性が浮き彫りになっている。MTモデルのパフォーマンスの出来不出来のみならず、そのような結果が生じた理由も示すことが求められており、的を射た微調整や、モデルの出力と人間による解釈とのギャップを埋めることを目指している。この問題に対処するために、米カリフォルニア大学サンタバーバラ校などの研究者らが、包括的なモデル評価、使いやすいインターフェイス、高度な分析機能を組み合わせた評価ツールキットを開発し、三種の評価指標を組み込むとともに、エラー分布の詳細を示すことや、MTシステム間の比較分析も可能とした。