该论文介绍了一个新的神经机器翻译系统，并将其与两个常规的在线引擎（统计和神经）以及作者自己的统计机器翻译系统进行了基准测试。同时，该论文还分析了句子长度对统计机器翻译和神经机器翻译系统翻译输出质量的影响。

Jul, 2017

我们致力于构建一款通用的神经机器翻译系统，通过构建一个单一的大规模多语言 NMT 模型，实现了 103 种语言之间的翻译，带有有效的迁移学习能力，显着提高了低资源语言的翻译质量，同时保持高资源语言翻译质量与竞争双语基线相当，为实现通用 NMT 模型的质量和实用性提供了多个方面的模型构建分析，并指出未来研究的方向和需进一步解决的问题。

Jul, 2019

本研究旨在分享我们在神经机器翻译领域的专业知识，创造出竞争力强且适用于不同用例的翻译引擎，在实际生产流程中实现特定领域的高效翻译。我们提供了一种同时发布多种语言在线演示程序的方法，并探索了不同的实用选项、网络架构和评估方法等。

Oct, 2016

本文提供了最大的基于短语的 SMT 和神经机器翻译之间的翻译质量比较，分析了 30 种翻译方向，其中 10 种方向中还包括分级短语 MT；在第二部分中，作者调查了翻译速度的不同方面，引入了 AmuNMT，一种高效的神经机器翻译解码器，通过比较每秒处理的单词数，证明了当前的神经机器翻译已经可以用于生产系统中。

Oct, 2016

提出了一种神经机器翻译的方法，利用一种新的候选采样策略，基于强化学习技术提高翻译模型的机器导向性，从而产生最适合用作特定下游任务的自然语言处理组件输入的翻译结果，这种方法可以显著提高英文分类器对 Twitter 数据的情感分类的性能。

Oct, 2019

本文旨在介绍多语言神经网络机器翻译（MNMT）的概述，重点关注其经验转移的传输学习方法，对相关研究领域、建模原理和挑战进行了细致分类，讨论了不同技术的优劣，并探讨了未来的研究方向。

Jan, 2020

本文追溯了现代神经机器翻译体系结构的起源，重点探讨了单个神经网络在翻译中的应用，其中涉及到 word 和 sentence embedding 以及编码器 - 解码器网络家族的早期示例，并总结了该领域的最新趋势。

Dec, 2019

本文全面调查总结了当前最先进的神经机器翻译领域适应技术，旨在解决场景中特定领域缺乏相应语料库而导致自然语言翻译效果下降的问题。

Jun, 2018

本文是大规模实际应用机器翻译于突厥语系的案例研究，在高、低资源场景下使用平行语料库、双语基准和人工评估结果来识别瓶颈，并提供这些数据与模型的公开开放。

Sep, 2021

Google 发布的 GNMT 神经机器翻译系统采用 LSTM 深度学习网络，使用 attention 机制和残差连接，借助词元素 (wordpieces) 将单词划分为子单元，提高了稀有单词处理能力与整体系统精度。

Sep, 2016