研究翻译对于虚构故事接受度的影响，结果表明，直接翻译的版本在加泰罗尼亚语中有更高的参与度，享受度和翻译接受度，而荷兰读者在后编辑版本中具有更高的评分，最高的参与度和享受度是在阅读原始英文版本时报告的。

Jul, 2023

本研究基于神经机器翻译技术中的 Transformer 模型，对小说文学领域的英文进行自动翻译，通过与其他三种不同模型进行自动评估和手动评估，结果表明使用 domain-specific Transformer-based 系统在表现上要优于其他三种模型。

Nov, 2020

本文基于神经机器翻译（NMT）和短语统计机器翻译（PBSMT）训练了英语到加泰罗尼亚语的文学适应翻译系统，并在 12 部文学作品上进行了评估，结果表明基于 NMT 的系统相对于 PBSMT 的结果有显著的提升（p<0.01）, 其自动 BLEU 评估指标提高了 11%（3 个点），而人类的评估结果也证明了 NMT 翻译结果的优势。

Jan, 2018

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

本研究提出了一种文学机器翻译方法，通过 Par3 数据集，证明专业翻译员更喜欢校对后的机器翻译输出，而不是普通的机器翻译输出。

Oct, 2022

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

本研究发现提前识别翻译技巧并应用于机器翻译过程可以进一步优化机器翻译，通过不同实验对从头翻译和后编辑两种翻译过程进行了预测，预测准确率分别达到 82% 和 93%。

Mar, 2024

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

机器翻译在文学作品中，特别是诗歌翻译领域一直面临重大挑战。本研究通过使用有针对性的提示和小样本情景来评估 ChatGPT 在英中诗歌翻译任务中的性能，并提出了一种基于解释的诗歌机器翻译 (EAPMT) 方法，该方法利用单语诗歌解释作为翻译过程的指导信息。通过专业诗人的评估和使用 GPT-4 进行评估，人机评估结果都显示出我们的 EAPMT 方法优于 ChatGPT 的传统翻译方法和现有的在线系统。本文验证了我们的方法的有效性，并为机器辅助的文学翻译提供了新的视角。

Jun, 2024

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