什么是NMT？
**NMT（Neural Machine Translation，神经网络机器翻译）**是一种机器翻译方法：神经网络学习依据整句话的完整语境来翻译，而不是依靠统计查找表拼接单个词语和短语的译文。NMT在2010年代中期取代了早期的统计机器翻译（SMT），成为包括LLM翻译在内的所有现代翻译系统的基础。
NMT为何优于统计翻译
统计系统按片段翻译文本，从频率表中为每个片段挑选最可能的译文，再将各片段拼接起来——这常常导致片段之间语法不一致。NMT以「句对句」端到端训练，在选择译文的每个词时都会考虑整句话的语境，因而产出的结果明显更自然、更连贯。
从NMT到LLM翻译
如今用于翻译的大语言模型，本质上是NMT理念在更大规模上的延伸：核心原理相同（通过Transformer架构关注整句话的语境），但训练数据量远超以往，并且能够考虑超出单句范围的语境——整篇文档，有时还包括用户对风格和术语的要求。
NMT质量如何衡量
NMT系统采用与翻译评估通用的指标：历史上是**BLEU，如今则主要是COMET**和基于LLM评判的方法。在同一测试集上比较不同的NMT系统，是为特定语言对选择翻译引擎的标准做法。
NMT的局限
包括LLM在内的NMT系统，即便翻译有误，也可能显得自信而流畅——这与早期系统不同，后者产出的结果虽然明显生硬，但误导性反而更低。这也是即便NMT整体质量不断提升，自动化质量评分（QE）与人工审核仍然必要的原因之一。
常见问题
NMT和LLM翻译是一回事吗？
不完全是：NMT是更宽泛的概念，涵盖任何神经网络翻译系统，包括专门为翻译训练的模型。LLM翻译是NMT的一种具体情形，使用的是能力远不止翻译的通用模型。
NMT为什么会取代统计翻译？
因为它翻译得更连贯、更自然：统计系统难以保持片段之间的一致性，而NMT一次性考虑整句话的语境。
哪种指标最能反映NMT质量？
没有单一的最佳指标——当前的做法是将**COMET**与LLM评判评分结合，而非依赖单一数字。
NMT需要专门的基础设施吗？
需要，训练和运行NMT模型需要大量算力，这也是大多数公司通过API使用现成模型、而非自行训练的原因。
NMT翻译罕见语言对的效果能和常见语言对一样好吗？
通常不能——NMT的质量很大程度上取决于该语言对的训练数据量，罕见语言对的译文质量往往明显更低。