中山大学2022年MTI英语翻译基础

中山大学2022年MTI357英语翻译基础英译汉

AS THE BOSS of Tesla, the world’s most valuable carmaker, and SpaceX, the world’s second-most valuable unicorn, Elon Musk is the stuff of business legend. As a gifted technologist with an enduring air of misfit adolescence he also has more than a whiff of the comic book about him. When he is talked about as an inspiration for Tony Stark in the “Iron Man” and “Avengers” movies, it is not just because he too is a fabulously rich, frequently irritating egotist with a saviour complex. It is because he has every intention of using the remarkable technological capabilities under his control to change the future course of history.

Mr Stark wanted to put a suit of artificially intelligent armour around the world. Mr Musk wants to help stabilise its climate (hence his focus on electric cars) and to establish an outpost of civilisation on Mars (hence the rockets, one of which sent four astronauts to the International Space Station on October 5th). To help fund the Mars effort, SpaceX launched Starlink, a huge constellation of satellites that provide internet access to isolated users. Meanwhile, Mr Musk said on October 3rd that he would, after all, buy Twitter, a social-media platform—a move he portrays as a civilisation-preserving defence of free speech.

The Economist渠道译文，请批判性研读

作为全球市值最高车厂特斯拉及世界第二大独角兽SpaceX的老板，马斯克是个商业传奇人物。他是个技术天才，身上一股叛逆少年的桀骜气息从未褪去，而且还带着浓重的漫画人物的味道。有人说他是电影《钢铁侠》和《复仇者联盟》中托尼·史塔克（Tony Stark）的原型，不仅仅因为他跟史塔克一样富甲天下、自大狂的做派常惹恼人、有救世主情结，还因为他们都热切希望运用自己手中非凡的技术力量来改变未来历史的进程。

史塔克想给世界套上一副人工智能的盔甲。马斯克希望帮助稳定气候（因此专注于电动汽车）并在火星上建立人类文明的前哨站（于是有了火箭项目，其中一枚火箭在10月5日把四名宇航员送上了国际空间站）。为募集资金推进火星移民，SpaceX推出了星链（Starlink），发射大批卫星，为偏远地区的用户提供互联网接入服务。与此同时他在10月3日表示，他还是会收购社交媒体平台推特，他称这是为了捍卫言论自由，事关文明存续。

中山大学2022年MTI357《英语翻译基础》汉译英

我年轻时爱和名人通信。严格地说是我向名人家写信多，人家回信少，但越是大师级的名人，越是给我回信。

1947年我曾给当时任北京大学校长的胡适写信，请他指点青年人应该有什么样的抱负和理想。没想到胡适先生竟给我回信题词，题词是：“贤者不虚生，陆贾语，胡适”。胡适引用这句话，可能是告诉我要向圣贤学习，才归于善，但遗憾的是我到老也未学到不虚度一生的诀窍。

我曾向担任北平艺术专科学校校长、大画家徐悲鸿写信求教青年人的努力方向为何。徐悲鸿先生没有给我题词，但画了一幅小画，上面画着几只栩栩如生的麻雀，正欲展翅飞翔，画上有“悲鸿”签名。我当时的理解是：青年人应该像小鸟那样展开稚嫩的翅膀到广阔的天空中去经风雨，锻炼飞翔的本领，才能求得生存。我很喜欢这幅小画，也可见徐悲鸿先生对青年人的关心和希冀。

与名人通信是很有意义的事，但我没有坚持下去。自1950年初参加工作以后，我没有再去找名人的麻烦，主动和人家通信。但自80年代开始，我又有了和名人通信的兴趣。至今我已保存各种名人给我的信百余封，有时翻读一番，也感到非常惬意。

谷启楠译

When I was young, I was fond of having correspondence with celebrated persons. To be precise, I sent a lot of letters, but received not many replies. However, those who enjoyed the reputation of "masters" did write back to me.

Some time in 1947, I wrote to Mr. Hu Shi, then President of Peking University, and asked him what ideal and aspiration we young people should cherish. To my amazement, Mr. Hu replied with a remark of encouragement: "A man of virtue never wastes his life. Quoted from Lu Gu by Hu Shi." I thought Mr. Hu might be hinting that I should learn from sages so as to become virtuous. However, it is a pity that I still have not found out the secret to a worthy life, even at an advanced age.

once I wrote to Mr. Xu Beihong, the great artist and then President of Peking Art College, asking him what goal young people should strive for. Instead of an encouraging remark, Mr. Xu sent me his picture. The small picture shows a few lifelike sparrows with wings spreading as if to fly, and there is also the artist's signature "悲鸿"(Beihong). As far as I could understand at that time, the picture conveyed a message: young people should learn to survive as those little birds who, with tender wings wide-spread, would launch into the sky and practise flying skills against winds and storms. I really loved this picture, and perceived from it Mr Xu's concern and expectations for us young people.

It was worthwhile corresponding with celebrities, but nevertheless I did not keep it up. After I had taken a job in early 1950, I stopped writing to celebrated persons, so as not to inflict inconvenience. It was not until the 1980s that I resumed that interest. Over the years I have received from various celebrities more than one hundred letters, and have preserved them carefully. When I sometimes browse through them, I feel great delight and satisfaction.

2023中山大学英语笔译翻译硕士MTI前辈考研成功经验指导

先介绍一下本人情况，211英专生，专四优秀，专四口语优秀，CATTI三笔(因为疫情原因，我只考了一次CATTI)。我本科成绩还可以，保研排名10，保了9个。但我的综合水平应该在前五，只是我前几年没太好好学，只想拿个奖学金，总之我基础还算扎实。所以在我看来，中大属于我努力踮脚就能摸到的大学，大家选学校的时候，也要量力而行！

关于定中山大学的契机在于，当时二月份和同学约定考广州，一起去吃早茶什么的，就查了下广州的大学，初定了广外和中大，后来选择中大是因为我的名校情节，中大作为名校虽不比复旦等，但还是yyds的，认可度很高，初试题友好，复试不歧视。相比较中大和广外来说中大题简单，但是题型变化多样，需要考生全面学习，尤其是百科，这几年偏向中国传统文化知识，不知道过几年会怎么样。总之就是学得越多，考试越不慌。

中大翻译收英语笔译和口译，法语笔译好像也有，有这方面的需求也可考虑一下。收英语笔译的有国际翻译学院和外国语学院，外国语学院是新开的专业，但外院师资力量真是好的没的说，国翻就是比较专业的翻译啦，老师经验丰富。口译只有国翻有，外院没有这个。

两个院的地理位置不一样，也要慎重考虑一下哦，外院在广州，是南校区，国翻在珠海，两者相比较来说还是广州地理位置更优越一点(但要学专业性的，还是国翻好啦)，两个院都很不错。两个院考一张卷，院线都是自行划线，22年外院380(因为是这几年新开的专业，22年第一年统招，相比来说没有那么卷，但是23就不好说啦)国翻385，听说这两年的报录比都是1:14左右，总之就是，挺卷的。但是中山大学绝对是能让人逆袭的大学，初复试各占五百分，但复试比大，基本上都是1:2以上。至于收的人数，两个院减去保研人数，统招都在14、5人左右，口译笔译都这样。

我选择题分数应该是40分，这科考的一般吧，我看大家考的都是80+，大家就客观参考吧。

我高中是理科生，但我的政治开始学习不算早，九月份才开始，因为我个人比较努力，但对于其他同学来说还是要量力而行哦。因为我的专业课需要积累，所以我三月份就开始了，于后期来说我给专业课时间可以稍微缩一点。我跟的徐涛和腿姐的课，涛涛讲课很有意思，我刷了两遍，又刷了一遍腿姐的课，腿姐的课很细致。题就是肖1000，肖四肖八，腿四等等，到最后模拟就是什么题，尤其是选择题，基本上都刷了几遍。

中大这个挺简单的，没啥GRE词汇，都是专八阅读，专四的语法，所以做专四专八相关题就可以，每天坚持背单词。这科我考的太低啦，仅供大家参考。我对基英学习比较晚，因为我觉得自己底子挺好的，哈哈，不要像我一样好高骛远哦。

翻译词条30个，一个一分，比较全面，有几个是前几年的真题，比如供给侧结构性改革，我觉得我前面的英汉互译词条得有十分就没了，后面老师给分真的还挺高。

对于词条意见那就是，啥都要背背，千万不要放过任何一个新词。到最后可以买个52看看背背，但前面背过的也要时常复盘。

翻译练习要涵盖所有类型文本，因为中大这几年出题变幻莫测。前几年考《经济学人》和散文翻译《张培基英译现代散文选》(一二三四都可能考哈哈哈)，今年就考了政经翻译和文学文本翻译。所以不要有侥幸心理，每个文本都要学。学政经可以考下来CATTI，总之就是不亏。

翻译建议还是稍微报班，像新祥旭就有直系学姐学长的课，这样的话通过批改，大概明白自己的水平在哪里，能得多少分，自己通常忽略什么点等等，有些小毛病真的很致命，以及学长学姐会给你汇总相关表达，省了好多功夫。

我的百科分数在今年可以算是很高的了。今年中大题型有所变化，打了个考生措手不及，今年题型偏中国传统文化类，这个好像也是这几年的趋势，李国正的百科，黄皮书什么都要利用起来，一定要多积累，临时抱佛脚是没有用的。平时吃饭的时候或者不想学习了可以看看一些纪录片，比如《中国通史》，百科最基本的要求就是要对国内外大事件时间地点等如数家珍。

作文的话提前一两个月准备就可以了，记记格式，格式不对基本上得分不会高，大作文就是练文笔，没事积累一些好词好句，但是也要对自己专业相关知识有所见解，比如22年中大的大作文就有关翻译和异域文化，我写的就是中国翻译史。大家如果在考研复习过程中有困难的话，也不妨报一个辅导班，比如新祥旭考研全科一对一私人订制VIP辅导课程，针对性强，上课时间可以灵活协商，课下还可以免费答疑解惑，对考研初复试应试备考这块的帮助是非常明显的。

复试考的是理论和能力，理论书籍推荐Munday的Introducing Translation Studies，介绍的特别详细，全英的，还有叶子南的《高级英汉翻译理论与实践》，第一本书真的学了很有用，亲测论文答辩也用的上!复试方向也是绕不过去的那几个能力测试，自我介绍、问问题、翻译等等，多准备话题就OK了。

还有一个点就是要多拿证书!CATTI能考赶紧考，要占分的，还有各种能力比赛，像外研社啊这样的。

复试时心态要好，就算碰到不会的，也要礼貌回答，不要不懂装懂，结果没出来，谁都是黑马!

中大对学生总体素质要求很高，不管是外院还是翻院，总之就是多多准备，全面发展。

考研切记不要自我感动，要踏踏实实，一步一个脚印。注意劳逸结合，不要死磕时间，我每天学习时间也就是10小时左右，因为我的效率还可以，我看到的考研人中，效率高的人往往考的都不错，所以放下手机，沉浸做题!还有就是除非你不是口语和应变能力特别强的人，否则不要太过相信本科学习差复试逆袭这样的话，这种人都是有些本事在身上的，只是本科不好好学习罢了，别复试摆烂，觉得自己还挺厉害，理论这东西没学不会就是不会了。所以把初试复试都要当成高考对待，破釜沉舟，百二秦关终属楚！

还有就是一定要注意身体健康呀，平时抽出半个小时跑跑步也是很有效的，别因为考研把自己累垮了，劳逸结合才有效率，身体是革命的本钱！考研是场持久战，但努力的结果一定会值得，考研人，加油！

热门院校2022翻译硕士考研复试分数线汇总（部分）

自2022考研国家线公布后，34所自划线院校也陆续公布复试分数线，北鼎为大家做了汇总整理。

注：这只是分数线的基本要求，具体的复试要求，还要等学校公布具体的复试通知，请大家持续保持关注。

一、北京大学2022考研翻译硕士复试分数线

■学硕分数线：370分，公共课55分，专业课90分

■专硕分数线：370分，公共课55分，专业课90分

二、中山大学2022考研翻译硕士复试分数线

■学硕分数线：370分，公共课60分，专业课90分

■专硕分数线：390分，公共课60分，专业课90分

三、南开大学2022考研翻译硕士复试分数线

■学硕分数线：367分，公共课60分，专业课90分

■专硕分数线：370分，公共课60分，专业课90分

四、吉林大学2022考研翻译硕士复试分数线

■学硕分数线：370分，公共课60分，专业课90分

■专硕分数线：370分，公共课60分，专业课90分

五、华南理工大学2022考研翻译硕士复试分数线

■学硕分数线：370分，公共课60分，专业课90分

■专硕分数线：370分，公共课60分，专业课90分

六、其他翻硕研招院校分数线汇总

1、对外经济贸易大学

对外经济贸易大学学硕2022复试分数线

对外经济贸易大学专硕2022复试分数线

2、天津大学

3、厦门大学

2022考研复试和调剂大战即将打响，第一时间快速获取信息是重中之重，我们还将会为大家继续收集整理各类调剂、复试、分数线信息，请同学们持续保持关注。

中山大学的这些传闻，都是真的吗

中山大学的这些传闻，都是真的吗？

1、中山大学属于双一流大学建设高校；

2、中山大学2022年专业录取规则为专业级差；

3、中山大学属于学位自主授权审核单位；

4、中山大学2022年在广东有开展综合评价招生；

5、中山大学至少有8个相同的专业分别在两个校区招生；

6、中山大学在三地共有三校区五校园，本科普通批次招生共用一个招生代码；

7、中山大学广州市超级计算机中心就设在中大大学城校区；

8、中山大学中山医学院已改名为现在的中大医学院 ；

9、中山大学至少有50个学院（系）招收本科生；

10、中山大学2022年广东高考物理选科普通本科批投档线最低的专业组投档排位低于华中科技大学和湖南大学；

11、中山大学2022年强基计划招生专业的所有专业中，第四轮学科评估最低等级为A- 。

分析：

1、中山大学由中华人民共和国教育部直属，是教育部、国家国防科技工业局和广东省共建的综合性全国重点大学。位列“985工程”、“211工程”、首批国家“双一流”A类大学建设高校，入选国家“珠峰计划”、“111计划”、“2011计划”。

22020年起，中山大学的专业录取规则改成分数优先。录取时遵循：零调剂、认加分、无级差，不退档。对已进档考生，学校按分数（投档成绩）优先的原则从高分到低分进行录取，不设专业志愿级差。所以“中山大学2022年专业录取规则为专业级差”的传闻是错误的。

32022年7月12日，国务院学位办公布2021年全国32家学位授权自主审核单位撤销和增列的学位点名单。其中中山大学共增设了8个学位授权点，是32家学位授权自主审核单位里面最多的。所以“中山大学属于学位自主授权审核单位”的传闻是真的。

4、中山大学2021年的时候暂停了一年的综合评价招生。但仅停招一年后，2022年又重新开启了综合评价招生。所以“中山大学2022年在广东有开展综合评价招生”的传闻是真的。

5、中山大学的中国语言文学系、历史学系、哲学系、外国语学院、管理学院（创业学院）、社会学与人类学学院、马克思主义学院、物理学院、化学学院、生命科学学院、地理科学与规划学院等院系专业，均有在广州校区和南校区同时招生。所以“中山大学至少有8个相同的专业分别在两个校区招生”的传闻是真的。

6、目前，中山大学共有三校区、五校园：广东省广州市（广州校区南校园、北校园、东校园）、广东省珠海市（珠海校区）、广东省深圳市（深圳校区）。中山大学三地三校区五校园以统一代码10558进行招生。所以“中山大学在三地共有三校区五校园，本科普通批次招生共用一个招生代码”的传闻是真的。

7、广州超级计算中心位于广州大学城的中山大学东校区，广州超级计算中心将建设成为融高性能计算、海量数据处理、信息管理服务于一体的世界一流的超算中心，为广州、广东乃至华南地区的经济社会发展提供强大引擎。所以“中山大学广州市超级计算机中心就设在中大大学城校区”的传闻是真的。

8、中山大学的中山医学院在中大广州校区北校园，前身为创办于1866年立的博济医学堂、创办于1908年春的广东光华医学堂以及创办于1909年春的广东公医学堂；1953年、1954年，三校合并，组建华南医学院；1956年，改名为广州医学院；1957年，改名为中山医学院；1985年，改称中山医科大学；

2001年10月，原中山大学和中山医科大学合并为新中山大学，并成立了中山大学中山医学院。

中大医学院在深圳校区，由原中山大学基础医学院（深圳）、临床医学院（深圳）于2017年5月11日调整组建成立。原学院成立于2016年8月，是深圳校区首个建设并招生的学院，首届临床医学专业本科生于2016年8月底报到入学。

所以“中山大学中山医学院已改名为现在的中大医学院”的传闻是错误的，两者是不同的两个校区。

92022年高考，中山大学参与招生的院系，广州校区有35个学院（系、部），珠海校区有20个学院（系），深圳校区有10个学院，例如：外国语学院、管理学院、社会学与人类学学院、马克思主义学院、法学院、地理科学与规划学院、环境科学与工程学院、材料科学与工程学院、旅游学院、国际关系学院、国际金融学院、国际翻译学院、医学院、航空航天学院等。所以“中山大学至少有50个学院（系）招收本科生”的传闻是真的。

10、2022年广东高考录取，中山大学物理选科的210专业组投档线614，比华中科技大学的最低投档线639低15分，比湖南大学的最低投档分线610高4分。所以“中山大学2022年广东高考物理选科普通本科批投档线最低的专业组投档排位低于华中科技大学和湖南大学”的传闻是错的。

11、2022年，中山大学强基计划共开设10个专业，包括汉语言文学（古文字学方向）、历史学、哲学、数学与应用数学、物理学、化学、生物科学、生态学、基础医学、理论与应用力学。其中理论与应用力学在第四轮学科评估只有B-，其他9个专业都是A-以上。所以“中山大学2022年强基计划招生专业的所有专业中，第四轮学科评估最低等级为A-”的传闻是错误的 。

所以以上11的传闻，1、3、4、5、6、7、9真实，2、8、10、11错误。

EMNLP 2018 | 用强化学习做神经机器翻译：中山大学MSRA填补多项空白

选自arXiv

作者：Lijun Wu、Fei Tian、Tao Qin、Jianhuang Lai、Tie-Yan Liu

机器之心编译

参与：Panda

人工深度学习和神经网络已经为机器翻译带来了突破性的进展，强化学习也已经在游戏等领域取得了里程碑突破。中山大学数据科学与计算机学院和微软研究院的一项研究探索了强化学习在神经机器翻译领域的应用，相关论文已被 EMNLP 2018 接收，相关代码和数据集也已开源。

论文地址：https://arxiv.org/abs/1808.08866开源项目：https://github.com/apeterswu/RL4NMT

神经机器翻译（NMT）[Bahdanau et al., 2015; Hassan et al., 2018; Wu et al., 2016; He et al., 2017; Xia et al., 2016, 2017; Wu et al., 2018b,a] 近来变得越来越受欢迎了，因为这种方法表现更优，而且无需繁重的人工工程工作。其训练过程通常是：通过取源句子和之前已有的（基本真值）目标 token 作为输入，以最大化目标句子中每个 token 的似然。这样的训练方法被称为最大似然估计（MLE）[Scholz, 1985]。尽管易于实现，但在训练阶段的 token 层面的目标函数与 BLEU [Papineni et al., 2002] 等序列层面的评估指标却并不一致。

为了解决不一致的问题，强化学习（RL）方法已经在序列层面的目标优化上得到了应用。比如研究者已将 REINFORCE [Ranzato et al., 2016; Wu et al., 2017b] 和 actor-critic [Bahdanau et al., 2017] 等策略优化方法用在了包括 NMT 在内的序列生成任务上。在机器翻译领域，也有相似的方法被提出——被称为「最小风险训练」[Shen et al., 2016]。所有这些研究都表明强化学习技术可以有效地用于 NMT 模型 [Wu et al., 2016].

但是之前还没有将强化学习有效应用于现实世界 NMT 系统的研究成果。首先大多数研究（甚至可能全部研究）都是基于浅的循环神经网络（RNN）模型验证他们的方法。但是为了得到当前最佳的表现，利用近期发展起来的深度模型 [Gehring et al., 2017; Vaswani et al., 2017] 将至关重要，这些模型的能力要强大得多。

其次强化学习方法存在相当一些众所周知的局限性 [Henderson et al., 2018]，比如梯度估计方差高 [Weaver and Tao, 2001] 以及目标不稳定 [Mnih et al., 2013]，因此要让强化学习实现有效的实际应用，其实并不容易。因此之前的研究提出了一些技巧。但是如何将这些技巧应用于机器翻译？这一点仍还不够明朗，研究者也没有达成共识。举个例子[Ranzato et al., 2016; Nguyen et al., 2017; Wu et al., 2016] 等研究建议使用的基准奖励方法 [Weaver and Tao, 2001] 并没有得到 [He and Deng, 2012; Shen et al., 2016] 等研究的采纳。

第三研究已经表明，使用 MLE 训练时，大规模数据（尤其是单语言数据集）能为翻译质量带来显著提升 [Sennrich et al., 2015a; Xia et al., 2016]。但如何在 NMT 中将强化学习与单语言数据结合起来？这方面几乎仍是研究真空。

我们希望能通过这篇论文填补这些空白；我们还研究了可以如何应用强化学习来得到强大的 NMT 系统，使其能取得有竞争力的表现，甚至达到当前最佳。我们对强化学习训练的不同方面执行了几项综合研究，以便了解如何：

1、）设置有效的奖励；

2、）以不同的权重结合 MLE 和强化学习，从而实现训练过程的稳定；

3、）降低梯度估计的方差。

另外因为利用单语言数据在提升翻译质量上是有效的，所以我们进一步提出了一种将强化学习训练的能力和源/目标单语言数据结合起来的新方法。就我们所知这是在使用强化学习方法训练 NMT 模型方面探索单语言数据的效果的首个研究尝试。

我们在 WMT17 汉英翻译（Zh-En）、WMT17 英汉翻译（En-Zh）和 WMT14 英德翻译（En-De）任务上执行了实验，并得到了一些有用的发现。比如多项式采样在奖励计算方面优于波束搜索，强化学习和单语言数据的结合能显著提升 NMT 模型的表现。我们的主要贡献总结如下。

我们立足于相当有竞争力的 NMT 模型，提供了首个对强化学习训练不同方面的全面研究，比如如何设置奖励和基准奖励。我们提出了一种能有效利用大规模单语言数据的新方法，可在使用强化学习训练 NMT 模型时使用，并且这些单语言数据来自源语言和目标语言都可以。将我们的这些研究发现和新方法结合到一起，我们在 WMT17 汉英翻译人上取得了当前最佳的表现，超越了强基准（Transformer 大模型+反向翻译）近 1.5 BLEU。另外我们在 WMT14 英德翻译和 WMT17 英汉翻译任务上也得到了足以媲美最佳的结果。

我们希望我们的研究和发现将有助于社区更好地理解和利用强化学习来开发强大的 NMT 模型，尤其是在面临着深度模型和大量训练的现实世界场景中（包括有双语对应的数据和单语言数据）。

为此我们开源了所有的代码和数据集以帮助其他人再现这一研究成果：https://github.com/apeterswu/RL4NMT。

表 1：不同的奖励计算策略的结果。beam 表示波束搜索，multinomial 表示多项式采样。在通过波束搜索生成 y 时，我们所用的宽度为 4。shaping 是指使用了奖励塑造（reward shaping），而 terminal 表示没有使用。

表 7：表现差不多的不同端到端 NMT 系统的结果比较。SougouKnowing 的结果来自 http://matrix.statmt.org/matrix/systems_list/1878.

最后作为对我们的实验结果的总结我们将几种有代表性的端到端 NMT 系统与我们的研究成果进行了比较，如表 7 所示，其中包含 Transformer [Vaswani et al., 2017] 模型，使用以及没使用反向翻译的方法 [Sennrich et al., 2015a]，以及在 WMT17 汉英翻译挑战赛上表现最好的 NMT 系统（SougouKnowing-ensemble）。结果清楚地表明，在将源侧和目标侧的单语言数据与强化学习训练结合到一起之后，我们能得到当前最佳的 BLEU 分数 26.73，甚至超过了在 WMT17 汉英翻译挑战赛上最佳的集成模型。

论文：一项将强化学习用于神经机器翻译的研究

论文链接：https://arxiv.org/abs/1808.08866

摘要：近期的研究已经表明，强化学习（RL）方法可以有效提升神经机器翻译（NMT）系统的表现。但是由于不稳定，成功完成强化学习训练是很困难的，尤其是在使用了深度模型和大型数据集的现实世界系统中。在这篇论文中，我们使用了几个大规模翻译任务作为测试平台，系统性地研究了使用强化学习训练更好的 NMT 模型的方法。我们对强化学习训练领域的几个重要因素（比如基准奖励、奖励塑造）进行了全面的比较。另外之前我们也不清楚强化学习能否助益仅使用单语言数据的情况。为了填补这一空白，我们提出了一种利用强化学习通过使用源/目标单语言数据来进一步提升 NMT 系统的表现的新方法。通过整合我们所有的发现，我们在 WMT14 英德翻译、WMT17 英汉翻译和 WMT17 汉英翻译任务上取了媲美最佳的结果，尤其是在 WMT17 汉英翻译上确实实现了当前最佳。

本文为机器之心编译，转载请联系本公众号获得授权。