Are LLMs Breaking MT Metrics? Results of the WMT24 Metrics Shared Task

Not All Metrics Are Guilty: Improving NLG Evaluation by Diversifying References

SLIDE: Reference-free Evaluation for Machine Translation using a Sliding Document Window

Error Span Annotation: A Balanced Approach for Human Evaluation of Machine Translation

Findings of the WMT24 General Machine Translation Shared Task: The LLM Era Is Here but MT Is Not Solved Yet