提交给Arxiv.org的新研究根据流畅性和输出的充分性研究了多少用户信任机器翻译。该论文由马里兰大学Marianna J. Martindale博士生和计算机科学助理教授Marine Carpuat编写。
根据康奈尔大学在研究论文上的自动化在线分发系统Arxiv.org上发表的论文数量，神经机器翻译（NMT）研究似乎仍以繁忙的步伐继续进行，尽管喧闹声从历史最高值2017年11月。
马里兰大学两位研究人员的这项新研究探索了未知领域：用户对MT的信任。该研究基于流畅性和产出充足性确定了人们对MT引擎的信任程度，具体而言，就以下三个假设而言：
良好的翻译保持或提高用户的信任度
错误的翻译（不流利或不充分）会侵蚀用户的信任
误导性翻译（不充分）与非简单流畅的输出相比，更加显着地削弱了用户的信任
研究人员证实了前两个假设，但发现在他们的测试集中，流畅性实际上超过了充足性。
研究人员发现，当翻译不流利时，翻译不够充分时，用户信任度大大下降。此外，尽管由于之前的错误翻译导致信任度下降，但参与者在再次提供流利且充分的翻译时仍保持与MT输出相同的信任水平。
“用户对不流利的翻译作出强烈反应，但令人惊讶的是，他们更少关注充足性”
当然，谈到MT和整个语言行业，参与者或多或少都是外行。 “这种对人类翻译和机器翻译的不熟悉符合我们对MT同化的典型用户的期望，”该论文写道。在89名参与者中，近74.2％的人表示他们“不熟悉人类翻译”（一个未详细解释的概念），而接近52.8％的人表示他们不熟悉MT。因此，他们对MT产出的信任程度并不一定反映语言学家给MT提供者的信任。
然而，人们普遍担心MT有多少人相信MT会对语言服务提供商（LSP）和MT的整体发展产生更广泛的影响。虽然翻译质量在生命科学等领域可能是生死攸关的问题，但最近的一项研究发现，大部分在线消费者在做出购买决策时已经依赖机器翻译。
研究小组同样通过引用他们试点研究的固有局限性来调节他们的发现 - 它使用相对较小的样本量，测试的规模和范围有限，参与者之间的理解可能存在差异等等。
