为什么重要
WMT 是机器翻译领域的旗舰评测活动，自 2006 年起每年举办。定义了翻译质量评测标准，推动了从统计翻译到神经翻译的范式变迁。
评测设计
每年设置不同语言对（如 en-de, en-zh, en-ru 等），提供平行语料训练集和标准测试集。结合自动指标和人工评测。
主要发现
- Transformer 在 WMT 2017 首次展示了强大翻译能力
- LLM 在翻译质量上已与专用翻译模型匹敌
- 低资源语言对仍是主要挑战
返回评测
综合 综合-机器翻译 未饱和
模态 · 文本
任务 · 翻译
WMT
年度机器翻译共享任务，多语言翻译质量评测
Conference on Machine Translation ·
考察能力
机器翻译 跨语言生成 多语言理解
构建信息
- 数据规模
- 数百万句子对（按年度累积）
- 评测方式
- 标准评测 + 人工评测
- 核心指标
- BLEU / COMET / Human DA
资源链接
模型效果排行
🥇 GPT-4o
~90 COMET (en-de)
🥈 NLLB-3.3B
~88 COMET (en-de)
机器翻译 NLG 多语言 年度竞赛 里程碑