现有信息检索评估主要关注语义相关性，忽视了检索结果语言对用户实用性的影响。为解决此问题，研究提出MLAIRE评估协议。该协议通过构建跨语言平行段落对照集合，能够同时测量跨语言语义检索准确率与查询语言偏好度，并引入语言偏好率、Lang-nDCG等指标进行四类分解。对31种检索器的评估显示，标准指标会掩盖不同检索器的行为差异：语义能力强的检索器可能返回非查询语言内容，而语言偏好强的检索器可能牺牲语义相关性。该协议为评估多语言检索系统的真实效用提供了新维度。