该研究探讨了对深度学习模型中的序列到序列模型进行对抗攻击的影响。研究发现，机器翻译模型对已知最佳对抗攻击表现出鲁棒性，但在次优方法中，该攻击方法优于其他方法。另外，基于混合单个字符的攻击也是一个有力的候选方法。

我们提出了一个机器翻译模型和LLM的即时集成方法，实验证明LLM可以提高NMT模型的翻译质量，与LLM集成可以产生比两个更强的机器翻译模型集成更好的翻译结果。

本文总结了对WMT-2023测试套件的评估结果，重点关注翻译系统在翻译女性和男性性别以及生成性别包容性翻译的能力。结果显示，所有评估的机器翻译模型在生成具有包容性的语言形式方面都面临挑战。