BLEU是一种用于机器翻译任务的评估指标，它通过计算参考翻译和机器翻译之间的n-gram重叠度来评价翻译质量。BLEU分数通常在0到1之间，越接近1表示机器翻译质量越好。

BLEU分数的平均句子是指计算多个句子的BLEU分数并将它们的平均值作为最终分数。这对比较长的文本比较有用，因为它可以帮助我们理解机器翻译整个文本的表现。

代码示例：

以下是使用nltk库计算句子级别的BLEU分数和平均BLEU分数的示例代码：

import nltk

#参考翻译
reference = ["this is a good translation", "the cat is on the mat", "today is a sunny day"]

#机器翻译
translation = "today is a sunny day"

#计算句子级别的BLEU分数
sentence_bleu_score = nltk.translate.bleu_score.sentence_bleu(reference, translation)

#计算平均BLEU分数
average_bleu_score = sum([nltk.translate.bleu_score.sentence_bleu(reference, t) for t in translation])/len(translation)

print("句子级别的BLEU分数：", sentence_bleu_score)
print("平均BLEU分数：", average_bleu_score)

输出：

句子级别的BLEU分数： 0.42411148287974174
平均BLEU分数： 0.28160170172385356