评估神经机器翻译（NMT）系统的质量是一个重要的问题，可以通过多个指标和方法来进行评估。以下是一些常见的评估指标和方法：

  1. BLEU分数：BLEU（Bilingual Evaluation Understudy）是一种常用的自动评估指标，它通过比较翻译系统生成的译文与人工参考译文之间的相似度来评估翻译质量。BLEU分数的范围从0到1，越接近1表示越好的翻译质量。虽然BLEU有一定的局限性，但它仍然是评估NMT系统的主要指标之一。

  2. 人工评估：人工评估是一种直接从人类翻译专家或双语人士中获取意见和反馈的方法。通过让专业翻译人员对系统生成的译文进行评估、纠错和打分，可以获取更准确、全面的翻译质量评估。

  3. 无参考评估：无参考评估方法通过不考虑参考译文，而直接评估系统生成的译文的质量。比如，METEOR（Metric for Evaluation of Translation with Explicit ORdering）和TER（Translation Edit Rate）等指标可以用于无参考评估。

  4. F-标记：F-标记（F-measure）是结合召回率和准确率的评估指标，它可以在召回率和准确率之间权衡，从而提供更全面的评估结果。

  5. 基于任务的评估：为了更准确地评估NMT系统对特定任务的适应能力，可以使用任务相关的评估指标，比如语音识别的词错误率（Word Error Rate，WER）或文本摘要的ROUGE指标。

  除了上述指标，还可以考虑使用其他领域特定的评估方法，具体情况取决于应用场景的需求和目标。同时，评估过程中还应该确保使用足够多样化、具有代表性的数据集，并在评估不同系统之间进行对比。另外，由于评估结果会受到多种因素的影响，如训练数据的质量和大小、模型架构、超参数等，应该在评估结果时保持一定的谨慎，并进行合理的对比和验证。