SOTA-MT 该项目试图在机器翻译的各个子任务上保持SOTA性能。我们还对NMT的最新进展和潜在的研究趋势进行了详细的回顾。欢迎任何意见和建议。 1.简介 机器翻译已进入神经方法时代,吸引了越来越多的研究人员。目前,每年都会发表数百篇MT论文,对于研究人员来说,要了解每个研究方向上的SOTA模型都有些困难。因此,我们尝试记录该项目中的SOTA绩效。 神经机器翻译有几个研究方向,包括体系结构设计,多模式翻译,语音和同时翻译,文档翻译,多语言翻译,半监督翻译,无监督翻译,领域自适应,非自回归翻译等。在许多研究任务(例如文档翻译,多语言翻译和领域适应)中没有广泛使用的基准数据集。因此,我们尽力记录一些论文使用数据集的任务的SOTA性能。 请注意,我们肯定会错过一些新的SOTA模型,如果您知道的话,请提醒我们。此外,这是采用SacreBLEU(Post,2018)报告BLEU分数以在广泛使用的