通过人工评估，我们发现让 Gpt-3.5 (text-davinci-003) 从整体上翻译文学段落比逐句翻译更好，并指出大语言模型在翻译时仍存在关键性错误。

Apr, 2023

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

这篇论文描述了 BWB 这个由专家将汉语小说翻译成英文的大型平行语料库，以及一个用于探究机器翻译系统建模各种语篇现象的标注测试集，希望这个资源能够为更多的文档级机器翻译工作提供指导和灵感。

Oct, 2022

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

本论文提出了一个带有丰富语篇注释的新数据集，并探讨了源语言和目标语言的语篇结构相似性和差异性以及其对机器翻译的挑战和机会，该资源可公开使用以促进未来在文档级机器翻译和其他语言翻译任务的研究。

May, 2023

机器翻译中文学作品一直是一个难以解决的问题，在 WMT 2023 中，我们举办了首届篇章级文学翻译共享任务，提供了一部文学作品语料库用于中英文翻译，并制定了行业认可的人工评估标准。通过自动和人工评估，我们分析了 14 个团队的提交系统，并基于人工评估结果进行了官方排名，同时揭示了有关文学和篇章意识机器翻译的一系列有趣发现。

Nov, 2023

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

近期机器翻译 (MT) 的进展在各个领域极大地提高了翻译品质，但是由于文学作品的复杂语言、比喻表达和文化内涵，对文学文本的翻译仍然是一个巨大挑战。本文介绍了一个基于大型语言模型 (LLMs) 的新型多智能体框架，名为 TransAgents，通过利用多个智能体的共同能力，模拟传统的翻译出版流程，以解决文学作品翻译的复杂需求。为了评估我们的系统的有效性，我们提出了两种创新的评估策略：单语种人类偏好 (MHP) 和双语 LLM 偏好 (BLP)。MHP 从目标语言的单语读者角度评估翻译，而 BLP 则使用先进的 LLM 直接比较翻译和原文。实证研究结果表明，尽管 d-BLEU 分数较低，但 TransAgents 的翻译在领域特定知识要求较高的流派中，被人类评估者和 LLMs 优选于人工参考翻译。我们还通过案例研究突出了 TransAgents 的优势和局限性，并提出了未来研究的方向。

May, 2024

这篇综述论文旨在总结文档级机器翻译的最新研究进展，重点讨论了神经网络模型、训练策略、评估指标等方面的创新，为该领域的研究者提供状态认知和未来方向。

Dec, 2019

本篇论文介绍了如何在文档级机器翻译中使用上下文来训练模型提升翻译质量，并且提供了一个平衡高质量的商务对话语料库用于调整和测试。此外，还提出了一种手动标注上下文信息用于减轻自动评估文档级系统的问题。

Dec, 2020