本研究提出了评估机器翻译模型中数据不确定性的工具和度量方法，以及其对搜索策略的影响。结果显示搜索功能表现良好，但模型在概率质量上存在分散问题。同时，提出了评估模型校准的工具，并解决了当前模型的一些缺陷。

本文介绍了一项用于多语言和跨语言口语数据意图检测的系统性研究，利用新资源MInDS-14，结合机器翻译模型和多语言句子编码器，在多个目标语言中实现了强大的意图检测器，并进行了比较分析。这是在更广泛的语言范围内开发和评估多语意图检测器的重要一步。

adaptNMT是一个免费的开源应用程序，简化了机器翻译模型的开发和部署过程。它使用OpenNMT生态系统，提供图形化界面和超参数定制。

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。