顶级机器翻译（MT）研究人员最近的一篇论文揭示，定向搜索（beam search）虽然是一种非常有效的提高BLEU（bilingual evaluation understudy，即双语替换评测，是用于评估自然语言的字句用机器翻译出来的品质的一种演算法）得分的方式，却会导致极高的性别代词错误率。
这篇发表于2020年11月的论文《机器翻译中的解码和多样性》（Decoding and Diversity in Machine Translation）是由卡耐基梅隆大学的Graham Neubig、Nicholas Roberts和Zachary C. Lipton与亚马逊机器学习科学家Davis Liang合作完成。
