本研究提出了一种新的奖励建模方法，旨在解决深度推理模型在低资源语言翻译中的不足。与大型推理模型相比，该方法在文学翻译中表现出色，并成功扩展至11种语言，实现了90个翻译方向的优异性能。

本研究提出了TransProQA评估框架，旨在改善现有文学翻译评估指标对机械准确性的过度关注。该框架整合了专业翻译人员的见解，从而提升了评估的质量和准确性，显示出在文学翻译评估中的潜在影响。

本文探讨了神经机器翻译（NMT）与短语统计机器翻译（PBSMT）在文学翻译中的应用，研究表明NMT在多个评估中优于PBSMT。同时，提出了新的评估方法，并探讨了大型语言模型（LLMs）在翻译质量评估中的潜力，强调了参考翻译的重要性及对传统评估方法的重新审视。

本文探讨了利用LibriSpeech构建多语言平行语料库的方法，适用于语音翻译和口语实验。同时，研究提出了基于大型语言模型的TransAgents框架，以提升文学翻译质量，并通过创新评估策略验证其有效性。

WMT 2023举办了首届篇章级文学翻译共享任务，14个团队提交系统，通过自动和人工评估，进行了官方排名，并揭示了文学和篇章意识机器翻译的有趣发现。