评估英印方向的编辑后工作量
这项研究针对一家语言服务提供商的真实数据进行了首次大规模的翻译和修订速度调查，结果表明后期编辑通常比人工翻译更快，平均速度数值可能具有误导性，翻译速度高度可变，编辑距离不能作为后期编辑效率的代理因素，因为它与速度的相关性并不强。
Dec, 2023
本研究针对多种语言数十款神经机器翻译模型，通过一项系统性的翻译后修订实验，对每种翻译成果进行了专业化评估，并公开了完整数据集，旨在进一步研究神经机器翻译系统的翻译能力。
May, 2022
本研究测试了在专业翻译中使用神经机器翻译（NMT）是否能够节省人工处理时间，并发现更好的 MT 系统确实能够减少英文到捷克文翻译过程中的修改次数，但是质量和编辑时间之间的关系并不是直接的关系，并且与短语词汇表机器翻译不同的是，BLEU 不能稳定预测时间或最终输出质量。
Sep, 2021
本篇论文提出了一种有效且半自动化的方法，用于人工编辑后的机器翻译语料库生成，该方法基于在线训练定制的 MT 质量估计指标并需要人类参与，实现了有待优化问题的优先级排序和最佳解的自动处理。尤其地，该方法解决了人工编辑效率低下，从而降低了人工成本的问题，并通过实验证明了其对机器翻译模型生命周期的作用。
Jun, 2023
通过实证研究发现，即使是对于研究相对较少的语言对和系统适应所需的小量领域数据，采用神经机器翻译（NMT）后编辑可显著节省时间，并且能够实现等同或略有更好的翻译质量。
Jun, 2019
这篇文章研究了如何自动提高机器翻译的文章质量，提出了可移植的 postediting 模块来替代改善某个系统内部的方法，并且通过学习算法构建了一个完整的文章选择自动 postediting 模块，并与人类表现进行了比较。
Jul, 1994
机器翻译后编辑广泛应用于传播，其高生产率和质量优于从零开始的人工翻译。本研究通过计算分析比较后编辑和人工翻译在五个翻译方向上的不同翻译普遍规律，发现后编辑更简化、规则化，但受源语言干扰程度更高。
Jul, 2019
提出了一个计算机辅助文本编辑的框架，通过神经序列到序列建模和引入一个以输入句子和更改标记为输入的神经网络来解决翻译后编辑和改写问题，并通过用户研究评估了该模型的效果。
Nov, 2017