本文综述了文档级机器翻译的研究，比较了不同方法的表现，发现基于单语文档的回译方法效果显著。同时，提出了古汉语与现代汉语的对齐方法，创建了大规模双语语料库，并探讨了文化知识在机器翻译中的应用，提出了新的数据筛选和提示策略，显著提升了翻译质量。

本文综述大语言模型在文档级机器翻译中的适应与性能，涵盖提示策略、精细调优、低秩适配、同传翻译及多语种迁移等研究。部分专用模型性能可超GPT-4，文档级上下文建模与整体翻译优于逐句翻译，但仍存在关键错误与偏离翻译问题。

本文介绍了一种基于线性注意力模型的文档级机器翻译方法，通过句子门促进最近归纳偏置，提高了解码速度和翻译质量。在IWSLT 2015和OpenSubtitles 2018上测试，结果表明该模型翻译得分相似或更高，并展示了句子门进一步提高了翻译质量。

本文介绍了一种基于线性注意力模型的文档级机器翻译方法，通过句子门促进最近归纳偏置，提高了翻译效能和质量。该模型在长序列的解码速度方面有大幅提高，且翻译得分相似或更高，并展示了句子门进一步提高了翻译质量。