机器翻译
利用计算机将一种自然语言自动翻译为另一种自然语言的技术领域，其质量评估长期依赖人工标注和自动指标
核心事实
时间轴 (近 90 天)
历史上，翻译、驾驶、图像识别等曾被认为只有人类才能完成的任务，如今已被AI部分或大部分接管。
改进机器翻译动漫台词的方向包括：引入角色对话历史作为上下文、识别口语省略结构、以及建立动漫领域专用的俚语词典。
将伪标签从目标转为奖励参考的思路可能推广到其他半监督序列生成任务，如机器翻译或语音翻译。
机器翻译通常通过第三方 API（如 Google Translate、DeepL 或大模型接口）完成，若产品未自研引擎，其译文质量受制于供应商。
替代方案各有局限：机器翻译后人工阅读在量放大后效率低下且会抹平俚语语义；仅统计星级无法区分问题类型；给通用聊天机器人写 prompt 需自行维护 prompt 且输出为自由文本。
翻译准确率高度依赖口音、专业术语和背景噪声。
翻译后的目标语言文本长度往往与源语言不同（例如中译英通常文本变长，英译中则变短），如果不加约束地合成语音，就会导致音频与画面口型或字幕脱节。
专有名词在机器翻译中频繁出错，根本原因在于语言模型缺乏实时的专有名词数据库
工具名和人名在翻译中通常应保持原样而不应强行意译，否则会造成理解障碍
生物医学领域机器翻译面临专业术语密集和平行语料稀缺两大难点
还有 7 条时间轴事件
全部知识事实 (19)
机器翻译经历了从基于规则、到统计机器翻译（SMT）、再到神经机器翻译（NMT）、再到基于大语言模型翻译的四次范式跃迁
75%已验证研究表明顶级同传译员的平均滞后时间仅为2-3秒，而传统机器同传系统的滞后往往超过5秒
65%待验证机器翻译存在'幻觉'问题，即看似流畅实则含义偏差，在专业领域仍是重大隐患
60%待验证历史上，翻译、驾驶、图像识别等曾被认为只有人类才能完成的任务，如今已被AI部分或大部分接管。
50%待验证改进机器翻译动漫台词的方向包括：引入角色对话历史作为上下文、识别口语省略结构、以及建立动漫领域专用的俚语词典。
50%待验证机器翻译通常通过第三方 API（如 Google Translate、DeepL 或大模型接口）完成，若产品未自研引擎，其译文质量受制于供应商。
50%待验证替代方案各有局限：机器翻译后人工阅读在量放大后效率低下且会抹平俚语语义；仅统计星级无法区分问题类型；给通用聊天机器人写 prompt 需自行维护 prompt 且输出为自由文本。
50%待验证翻译准确率高度依赖口音、专业术语和背景噪声。
50%待验证翻译后的目标语言文本长度往往与源语言不同（例如中译英通常文本变长，英译中则变短），如果不加约束地合成语音，就会导致音频与画面口型或字幕脱节。
50%待验证专有名词在机器翻译中频繁出错，根本原因在于语言模型缺乏实时的专有名词数据库
50%待验证工具名和人名在翻译中通常应保持原样而不应强行意译，否则会造成理解障碍
50%待验证生物医学领域机器翻译面临专业术语密集和平行语料稀缺两大难点
50%待验证现有多语言资源大多以英语为枢纽构建，会丢失印度语言的语言多样性、文化复杂性和领域特定表达特征
50%待验证传统机器翻译系统依赖大量平行语料库，对英语、中文、西班牙语等资源丰富语言效果尚可，但对低资源语言力不从心
50%待验证AI实时字幕翻译通常分两层技术：先由ASR模型将语音转为源语言文本，再由NMT模型翻译为目标语言
50%待验证SOV与SVO之间的语序转换历来是机器翻译中的经典难题
50%待验证人类语言技术（Human Language Technology, HLT）的起源可以追溯到20世纪50年代的机器翻译研究
50%待验证1954年乔治城大学与IBM合作完成了首次公开的机器翻译演示，将俄语句子自动翻译为英语
50%待验证将伪标签从目标转为奖励参考的思路可能推广到其他半监督序列生成任务，如机器翻译或语音翻译。
50%