本研究探讨了机器翻译中指代翻译的挑战，特别是不同语言间的指代用法差异。提出了一种新的提及注意力模块，结合源语言特征和目标语言上下文，显著提升了翻译效果。实验结果表明，该方法在WMT17英德翻译任务中优于基线模型，验证了其有效性。

本研究提出了一种语音表示净化与监督增强框架（SRPSE），有效消除音色和节奏等无关因素对语音转文本翻译的负面影响，显著提升翻译效果，尤其在无文本转录条件下表现优异。

本研究提出了一种小型连接模块（Q-Former），有效对齐预训练的自动语音识别（ASR）和机器翻译（MT）模型，显著提升翻译效果，具备良好的可扩展性和实用性。

研究证明，嵌入知识图谱可以提高实体和专有名词的翻译效果。提出了两种方法以增强神经模型的语义特征提取和对数据稀缺性和词汇表外的单词的挑战进行了探讨。KG-NMT 模型取得了很好的效果。

本文研究了机器翻译中适配器的组成方法，提出了新的组合方式以解决缺失语言问题，实现跨语言转移，提高翻译效果。