研究场景：
**多维评估**是自然语言生成(NLG)中人工评估的主导范式，即从多个可解释的维度评估生成的文本，如连贯性和流畅性。
前人方法：
然而，NLG中的自动评估仍然由**基于相似性的指标**主导，我们缺乏一个可靠的框架来对高级模型进行更全面的评估。
本文方法：
本文提出了一种面向NLG的**统一多维评估器UniEval**。
我们将NLG评估重新定义为**布尔问答(QA)**任务，通过使用不同的问题来指导模型，我们可以使用一个评估器从多个维度进行评估。
此外，由于统一的布尔QA格式，我们能够引入一个**中间学习阶段**，使UniEval能够从多个相关任务中纳入外部知识并获得进一步改进。
实验效果：
在三个典型的NLG任务上的实验表明，UniEval与人工判断的相关性比现有指标好得多。
具体来说，与表现最好的统一评估器相比，UniEval在文本**摘要**方面的相关性高出**23%**，在**对话响应生成**方面的相关性超过**43%**。
泛化分析：
此外，UniEval对**未见过的评估维度和任务**展示了**强大的零样本学习能力**。
