本研究探讨自动翻译系统中的性别偏见，强调性别中立翻译的重要性，以促进性别包容性和提升翻译系统的客观性。通过分析英语到意大利语的翻译，评估模型对性别偏见的认知，为开发性别中立的翻译算法提供启示。

本文提出了一种改进翻译系统的框架，通过引入双语对话中的语境信息，解决翻译歧义问题。实验结果表明，该框架在任务导向翻译的质量和一致性上优于现有系统。

本研究提出了STMC-Transformer翻译系统，提高了PHOENIX-Weather 2014T数据集的翻译质量，并指出了当前方法中的问题。建议未来的SLT研究采用端到端的训练方法或使用不同的手语注释方式。

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。

本文介绍了一种基于Transformer模型的序列到序列翻译系统。该系统通过编码器和解码器结构，结合多头注意力机制和位置编码，能够将德语句子翻译为英语。训练过程中采用交叉熵损失函数，使用SGD优化器，推理时使用贪婪解码器逐步生成翻译结果。