本文介绍了腾讯的多语言机器翻译系统，该系统使用数据扩增、分布式稳健优化和语系分组等技术来应对数据不平衡和多语言难题，其中在 WMT22 的有限数据情况下，取得了第一名的成绩。

Oct, 2022

该论文讲述了开普敦大学提交给 WMT22 大规模机器翻译评估竞赛的受限跟踪的情况。该系统是一个单一的多语种翻译模型，可在英语和 8 种南部 / 东南部非洲语言之间进行翻译，并可在特定的非洲语言对之间进行翻译。该研究采用了多种适用于低资源机器翻译的技术，包括重叠 BPE、回译、合成训练数据生成以及在训练过程中增加更多的翻译方向。结果表明，这些技术的价值尤为突出，特别是对于非常少或没有双语训练数据可用的方向。

Oct, 2022

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

本文提出采用现有神经机器翻译技术为非瑟环语等低资源本地语言进行在线教育翻译以改进南非教育，并且实验证明采用 Transformer 架构击败以前翻译技术 5.33 BLEU 分数，展示了现有 NMT 技术为非洲语言提供的巨大潜力。

Nov, 2018

该研究旨在解决针对非洲语言的神经机器翻译方法应用的空缺问题，通过在英语和南非其余十种官方语言之间创建 NMT 基准 BLEU 得分来进行研究。

May, 2020

我们提出了 AfroMT，这是一个针对非洲 8 种使用广泛、标准、干净和可重现的机器翻译基准，并开发了诊断系统的一套分析工具，探讨了低资源预训练的可能性，提出了两种基于数据增强的策略，并展示了在 11 种语言预训练的情况下，数据受限情况下比跨语言转移基线提高了 12 BLEU 分数的结果。

Sep, 2021

该研究介绍了针对非洲语言低资源、调性复杂性的挑战，使用重要性语言在跨文化交流中的作用及需要准确模型的必要性来实现了 Fon 语及法语之间的机器翻译模型。

Mar, 2020

对于学术研究长期以来忽视的克里奥尔语言，我们提供了到目前为止最大的克里奥尔语机器翻译累积数据集，包括 14.5M 句独特的克里奥尔语句子和平行翻译，其中公开发布的有 11.6M 个；此外，我们还提供了支持 172 个翻译方向的 41 种克里奥尔语言的机器翻译模型，利用这个多样化的数据集，我们的模型在 23 个翻译方向的 34 个中超过了一种专门用于克里奥尔语的模型。

May, 2024

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

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