(2002)):
+ Przykład słabego wyniku tłumaczenia automatycznego z wysoką precyzją Kandydat Referencja 1 Referencja 2
W tym przykładzie, kandydujący tekst posiada następujący unigram precyzji: ,
gdzie jest liczbą słów tekstu znalezionych w referencji, a liczbą słów w referencji.
Wszystkie spośród siedmiu słów tłumaczenia kandydującego pojawiają się w tłumaczeniach referencyjnych. Przedstawia to problem metryki: tłumaczenie kandydujące nie zachowuje żadnych treści z żadnego tłumaczenia referencyjnego. Modyfikacja, którą wprowadza , jest prosta.
Dla każdego wyrazu w tłumaczeniu kandydującym, algorytm bierze maksymalną całkowitą liczbę wystąpień w tłumaczeniach referencyjnych. W powyższym przykładzie, wyraz „” pojawia się dwa razy w referencji 1 i raz w referencji 2. W tym wypadku największą wartością jest dwa i jest ona uznawana za „maksymalną referencyjną liczbę”.
Dla każdego ze słów w tłumaczeniu kandydującym, liczba słów jest porównywana z maksymalną liczbą referencyjną i brana jest najniższa wartość. W tym przypadku liczba słów „” w tłumaczeniu kandydującym wynosi siedem z maksymalną liczbą referencyjną dwa. Ta „zmodyfikowana liczba” jest następnie dzielona przez całkowitą liczbę słów w tekście kandydującym.