机器翻译

机器翻译正处于从通用模型向专业场景深度应用的关键转型期。Google Translate 20周年回顾显示，技术已从统计模型演进至大规模神经网络，奠定了当前多模态和领域适配的能力基础。近期进展集中在三个方向：首先，文档级翻译中上下文利用成为优化重点，G^2C-MT提出图引导上下文选择方法，通过构建句子关系图动态聚合全局信息，提升长文翻译的连贯性（G^2C-MT：用图引导上下文选择提升文档级机器翻译）。其次，Cohere的Command A+模型在翻译任务上超越多个开源及商业系统，验证了专有模型在特定语言对上的优势（Cohere Command A+ 机器翻译能力超越开源和专有系统）。同时，视频翻译赛道升温，腾讯混元与WMT26合作举办视频字幕翻译竞赛，推动音视频翻译与字幕生成技术整合（腾讯混元与WMT26合作举办视频字幕翻译竞赛）。当前焦点在于如何平衡通用模型的泛化能力与垂直领域（如文档、视频）的精细适配，未来需观察图结构建模和多模态对齐技术能否显著提升翻译质量与用户体验。