看起来他们用于训练的方法需要一组候选假设$\mathcal{U}(x)$，以及相关的概率，然后最小化该分布上成本函数的期望值。第 3 节的损失函数被最小化：

$\mathcal{L}_{Risk} = \sum\limits_{u \in \mathcal{U}(x)} cost(t, u) \frac{p(u|x)}{\sum_{u' \in \mathcal{U}(x)} p(u'|x)}$.

使用的成本函数之一是$1 - \texttt{BLEU}(t, h)$， 在哪里$t$是目标并且$h$是生成的假设。我不确定在哪里$p(u|x)$来自，但是$1 - \mathcal{L}_{Risk}$因为 BLEU 成本函数可能是他们提到预期 BLEU 时所指的。