本文旨在分析大型语言模型如 GPT-4 和 ChatGPT 等的语言生成和改写能力的特点和限制及其对学术诚信的挑战，探讨人工改写和机器改写之间的区别，并对常用的数据集进行综合分析和评估，结果显示自动生成文本的水平仍不及人类普及水平，适合于语义多样性语料的 TF-IDF 方法的效果最好，同时，发现了四个语义多样性和挑战性最高的数据集。

Mar, 2023

本研究通过翻译关系的视角探讨神经机器翻译（NMT）和人工翻译（HT）之间的区别，以评估 NMT 系统产生的翻译技术，并回答三个关键研究问题：NMT 和 HT 之间整体翻译关系的差异，它们如何使用非字面翻译技术，以及影响它们使用特定非字面技术的因素的变化。该研究使用了两个平行语料库，每个语料库涵盖了九种类型的文本，其中一个由 NMT 翻译，另一个由人类翻译。这些语料库中的翻译关系在对齐的句对上进行了手动注释，从而实现了对语言洞察力的比较分析，包括语义和句法细微差别，如上位词和词性标注的改变。结果表明，与 HT 相比，NMT 在各种类型中更倾向于进行字面翻译。虽然 NMT 在句法非字面翻译技术的运用上与 HT 相当，但在语义层面的表现却有所不足。

Mar, 2024

本文研究采用人工生成的同义词组进行翻译评估，结果表明使用同义词组可以更好地反映人类判断，同时使用同义词组进行系统开发可以产生显著的提高。

Oct, 2020

定量分析比较人类写作的英文新闻与基于 4 个 LLMa 家族的大型语言模型 (LLM) 输出的差异，结果显示了人类文本与 AI 生成文本在多个可测量的语言维度上的差异，包括形态、句法、心理测量和社会语言方面，并揭示了 LLM 生成文本中存在更多的数字、符号和助动词，以及更多的代词，人类文本中存在的性别偏见也被 LLMs 表达出来。

Aug, 2023

本文评估了新兴的神经机器翻译系统和基于短语的机器翻译系统在九种语言方向上的表现，发现相对于基于短语的系统，神经机器翻译系统翻译更为流畅和准确，但在翻译超长句子时表现差。

Jan, 2017

研究发现 2018 年 Hassan 等人的评估设计有问题，导致其认为人工翻译和机器翻译有同等水平的结论不准确，因此需要重新审视现有的评估方法，并且提出了一系列改进建议。

Apr, 2020

在文档级翻译评估中，人类对于独立句子评价更偏向于人类翻译而非机器翻译，强调了机器翻译向文档级评价迈进的必要性。

Aug, 2018

本文重新评估了一项最近的研究 (Hassan et al.,2018)，即使用成对排序法并考虑到三个变量，重申机器翻译在从中文到英文的新闻翻译方面已达到人类水平，我们提供了一组人类评估未来机器翻译的建议。

Aug, 2018

本研究探讨了不同的训练方法对用于医学数据的波兰 - 英语机器翻译系统的影响，使用欧洲药品管理局平行文本语料库作为神经和统计网络翻译系统训练的基础，并对主要机器翻译评估指标进行了分析。该研究的重点是比较和实施实时医学翻译器。

Sep, 2015

研究人员利用多语言数据和预训练的语言模型，成功开发出一种分类器，能够自动区分不同源语言翻译的人工翻译和机器翻译，发现使用少量数据训练的分类器的推广能力更好。

May, 2023