本研究通过在资源稀缺环境中使用插入式脚注和嵌入式翻译信息来增强神经模型，模型在 SIGMORPHON 2023 共享任务数据集上表现优于现有技术水平。仅使用 100 个句子进行训练时，模型在极度资源稀缺环境中平均改善了 9.78 个百分点。研究结果突显了翻译信息在提升系统性能方面的关键作用，为语言的记载和保护提供了有希望的途径。

我们研究了在资源稀缺环境中的自动插入式脚注，并通过提取嵌入式翻译信息来增强硬式注意神经模型。我们的模型在插入式脚注任务上超过了现有技术水平，尤其在极度资源稀缺环境中。通过仅使用100个句子进行训练，我们的系统平均改善了9.78个百分点，超过了普通硬式注意基线。这些结果表明翻译信息对提升系统性能至关重要。