本研究介绍了一种从低资源语言 Fon 翻译成法语的神经机器翻译模型，通过描述 FFR 数据集、语音标点编码过程和 FFR v1.1 模型的训练过程，旨在打破非洲语言壁垒问题，提高翻译模型鲁棒性。

Jun, 2020

本文介绍了一种基于循环神经网络（RNN）的机器翻译模型，结合次词单元和法语 - 英语语言对培训，提高了 Wolof / 法语对翻译性能。

May, 2023

探讨使用现代神经机器翻译技术实现英语翻译成五种南非官方语言（Afrikaans、isiZulu、Northern Sotho、Setswana、Xitsonga），提供可重复使用的数据、代码和结果，为非洲机器翻译研究提供比较和承建的起点。

Jun, 2019

本文描述了我们在 2021 年 WMT 共享任务：大规模多语言机器翻译中针对非洲语言的多语言机器翻译任务，提出了第一个多对多非洲语言翻译系统 MMTAfrica，并介绍了一种新的反向翻译和重构目标 BT&REC，可有效利用单语数据。通过 MMTAfrica 在 FLORES 101 基准测试中的结果展示，取得了重大的改进和进步。

Apr, 2022

该研究聚焦于低资源语言，特别关注尼日尔的低资源语言，制定了有效的数据收集方法，构建了第一个 sba-Fr 数据集，并对三个预训练模型进行了优化，结果显示 M2M100 模型在原始数据和原始 + 合成数据上都取得了较高 BLEU 分数，该公开数据集可用于研究目的。

Aug, 2023

该研究使用公共数据集为 5 种南非语言训练了神经机器翻译模型，并提供了训练和评估模型的代码，旨在促进南非语言领域的未来研究。

Jun, 2019

本研究主要针对非洲土著语言的神经机器翻译问题，提出基于 Word-Expressions-Based 的超词标记策略，相较于其他标记方法可以更好地应对具有语法、韵律、声调特征的非洲语言翻译训练的困难性。实验结果表明，在 Fon - 法语和法语 - Fon 的翻译任务中，基于该方法得到的 NMT 模型更加可靠。

Mar, 2021

本文描述了我们的努力，以制作一种双向科刚古斯瓦希里语（SWC）到法语（FRA）的神经机器翻译系统，旨在改善人道主义翻译工作流程，并记录了在低资源方法学和半监督学习方面的相关实验结果。我们在泛领域平行语料库和公开可用数据的基础上进行了训练。在 SWC-FRA 和 FRA-SWC 方向上，我们记录了 BLEU 点数提高了 2.4 个和 3.5 个。我们进行了人工评估，评估了我们的模型在刚果民主共和国（DRC）操作的 COVID 领域聊天机器人中的可用性。

Mar, 2021

本文研究了 Bambara 这种低资源语言的机器翻译问题，并提出了处理低资源语言数据稀缺问题的策略。我们还介绍了第一个 Bambara 到英文和法文的机器翻译平行数据集，并且提供了第一个机器翻译 Bambara 的基准结果。

Nov, 2020

该研究介绍了 Feriji，第一个设计用于机器翻译的法语 - 扎尔马语并行语料库和词汇表，这对于解决扎尔马语资源匮乏的问题具有重要意义，研究通过在数据集上微调三个大型语言模型，使其在 BLEU 评估上达到 30.06，同时借助该语料库和模型的人工评估，进一步提高了扎尔马语的流畅度、理解度和可读性，填补了重要的语言差距，促进了非洲土著语言的发展。

Jun, 2024