该研究描述了一个优先考虑效率、模块化和可扩展性的神经机器翻译开源工具集，用于支持对模型架构、特征表示和源模态进行 NMT 研究，同时保持竞争性能和合理的训练要求。

Jan, 2017

OpenNMT 是一种面向 NMT 研究的开源工具包，主要关注效率、可扩展性和可组合性，并且在多个生产 MT 系统中得到了应用。

May, 2018

我们致力于构建一款通用的神经机器翻译系统，通过构建一个单一的大规模多语言 NMT 模型，实现了 103 种语言之间的翻译，带有有效的迁移学习能力，显着提高了低资源语言的翻译质量，同时保持高资源语言翻译质量与竞争双语基线相当，为实现通用 NMT 模型的质量和实用性提供了多个方面的模型构建分析，并指出未来研究的方向和需进一步解决的问题。

Jul, 2019

描述了我们构建跨越 1000 个语言翻译的实用机器翻译系统的努力，包括构建干净的数据集、使用监督并行数据训练的大规模多语言模型和单语数据集以及研究评估语言的限制和误差模式。

May, 2022

本文介绍了俄勒冈州立大学参加 WMT'17 多模式翻译任务的系统，该任务的独特之处在于所有句子对都是不同语言中的图像标题，我们提出了一种简单而有效的方法，在编码和解码过程中将图片作为额外信息加入到机器翻译系统中，我们使用 Flickr30k 和 MSCOCO 数据集评估了系统在英法和英德翻译中的表现，并在 MSCOCO 数据集上实现了英德机器翻译的最佳 TER 性能。

Oct, 2017

提出了一个实时机器翻译系统，可让用户选择新闻类别，并将相关的实时发布的阿拉伯语、捷克语、丹麦语、波斯语、法语、德语、意大利语、波兰语、葡萄牙语、西班牙语和土耳其语的新闻文章翻译成英语。该系统是基于 Moses 的，并针对新闻领域进行了优化，与其他可用系统有四个不同之处：(1) 在翻译之前，新闻项目在源端自动分类；(2) 命名实体翻译通过在源端识别和提取它们并重新插入它们的翻译来进行优化，利用单独的实体存储库；(3) 新闻标题使用单独的翻译系统进行翻译，该系统针对特定的新闻标题风格进行了优化；(4) 系统经过优化以适应每天大量新闻文章的速度。

Jan, 2014

通过 OpusCleaner 和 OpusTrainer 工具，简化机器翻译系统的开发过程，降低工作量并降低新手的门槛。这些工具能够下载、清洗和预处理来自不同来源的双语（或单语）数据，并通过数据调度和数据增强构建大规模、可靠的机器翻译系统和语言模型。

Nov, 2023

我们介绍了一个在线学习神经机器翻译的系统，并将其与专业翻译人员最常用的 SDL Trados Studio 用户界面集成，以节省机器不断学习和适应特定领域或用户风格的人类选择所需的时间和努力。

Jun, 2019

本文提出三种工具：MTData、NLCodec 和 RTG，设计一个能够从 500 种源语言翻译成英语的多语言神经机器翻译模型，支持语言种类很多，且模型容易下载和使用。

Apr, 2021

本研究旨在分享我们在神经机器翻译领域的专业知识，创造出竞争力强且适用于不同用例的翻译引擎，在实际生产流程中实现特定领域的高效翻译。我们提供了一种同时发布多种语言在线演示程序的方法，并探索了不同的实用选项、网络架构和评估方法等。

Oct, 2016