Gemma是新推出的开放翻译模型，支持55种语言，提供三种参数规模（4B、12B和27B）。其12B模型在翻译质量上超越27B，效率显著提升，适合移动设备和本地开发。经过两阶段微调，确保高质量翻译，推动语言交流。

Fredric Lindstrom和Huib Kleinhout正在开发Google Meet的实时语言翻译功能，旨在消除语言障碍。该技术采用“单次”翻译模型，显著降低翻译延迟，支持意大利语、葡萄牙语、德语和法语，帮助全球用户更好地沟通。

Qwen-MT翻译模型在速度和准确性方面表现出色，支持92种语言的互译，并具备专业翻译功能。实测结果显示其翻译效果良好，但对双语谐音笑话的理解能力不足。

本研究针对中英文翻译中的定语名词问题，通过在Penn中文语篇树库中插入“DE”助词，开发数据集以微调翻译模型，显著提高翻译准确性，具有实际应用价值。

本研究探讨了大型语言模型在低资源环境下的泛化能力，比较了不同LLMs与专门翻译模型在英语-泰语翻译中的表现。结果表明，LLMs在计算限制下效果不佳，而专门模型表现更优，强调了在资源受限情况下使用专门模型的重要性。

本研究解决了手势书写缺乏自动评估指标的问题，支持手语转录和翻译模型的发展。通过引入专门设计的评估指标，展示了其在评估单个符号与连贯手势表现上的有效性，为手势书写技术提供重要工具和见解。

作者使用Cloudflare的免费向量数据库和嵌入模型，将博客内容转化为聊天AI的知识库。通过RAG技术，AI能根据用户问题检索相关内容。由于缺乏中文嵌入模型，作者使用翻译模型将中文转为英文处理。实现中，作者利用Cloudflare Workers和HTTP API进行数据库操作，并实现了文章摘要和向量化。作者对Cloudflare的免费服务表示赞赏。

SCALE是一个协作框架，将专用翻译模型和通用语言模型连接为一个统一的翻译引擎。它减轻了语言偏见和平行数据偏见，增强了专业性。在低资源环境中，SCALE在翻译方面优于其他模型。在Xhosa到英语的翻译中，SCALE通过紧凑模型获得了稳定提高。SCALE还可以利用现有语言偏见，在多个翻译方向上优于其他模型。对SCALE的稳健性和延迟成本进行了分析。

该研究使用视频处理美国手语拼写翻译任务，通过新的架构和损失项实现了准确预测指拼单词长度的翻译模型，并通过两阶段推理方法提高了相对性能10%以上。该研究突出了手语翻译中拼写识别的潜力。

本文提出了解决神经机器翻译模型中大词汇表问题的方法，通过选择小目标词汇表并基于翻译模型或短语库实现。实验证明，该方法在英法翻译任务中的BLEU分数比使用大词汇表的系统高1个点。

该研究提供了一份包含25,421组句子对和697个高质量的众包句子的平行机器翻译训练语料库，用于英语和Akuapem Twi。研究使用fine-tune transformer翻译模型在该语料库上进行训练，并推荐该数据集用于Akuapem Twi机器翻译的进一步训练和评估。

SCALE是一个协作框架，将专用翻译模型和通用大型语言模型连接为一个统一的翻译引擎，减轻了语言偏见和平行数据偏见，增强了专业性，而不牺牲通用性。SCALE在低资源环境中表现优异，可以有效地利用LLMs的现有语言偏见，在八个翻译方向上优于少样本GPT-4的平均6个COMET分。同时，对SCALE的稳健性、翻译特性和延迟成本进行了深入分析。