本文探讨了多语言神经机器翻译中的零样本翻译问题，提出了辅助损失、解码器参数共享和语言特定组件等改进方法。这些方法有效提升了翻译性能，尤其在零样本任务中显著提高了BLEU分数，接近传统方法的效果。

研究发现，目标端扰动对翻译质量影响大，上下文学习提供重要信号。Zero-Shot-Context方法可自动添加信号，提高GPT-3零样本翻译性能，与少样本提示有竞争力。

本文研究了多语言NMT模型的解码器参数的共享方法，并评估了完全监督和零样本翻译性能。发现在具有任务特定解码器参数的模型中，优于在所有任务上完全共享解码器参数的模型。