Bert作為新興的預訓練模型在很多下遊自然語言處理任務中獲得了很好的效果。神經機器翻譯也因為Transformer架構的出現性能得到了大幅度提升。
Bert做到了一個很重要的一點就是context-sensitive，也就是上下文敏感。
而今天，我們就使用一下一個典型的上下文敏感的例子來測試一下各大翻譯軟體的性能。幫助從一個不同的角度看哪個翻譯軟體最好這個熱門話題。
我選取的例子是 a crane is flying-這個例子來自于dive in into deep learning 2-version 。
crane有三個意思：吊車，起重機；鶴
這裡很明顯應該指的是一隻鶴在飛。那麼我們來看看各大翻譯軟體的結果如何呢？
有道：
谷歌：
百度：
騰訊：
阿裡：
大家可以明顯的看到，有道獲勝了！，或許獲勝的原因是因為其本身就專職于做英語詞典類的一些工作，是以可能有更多更好的優質中英翻譯對資料吧。
當然，這個選取的例子很片面，結果也僅供參考，但至少說明了有道翻譯絕對是值得大家慎重考慮的一個選擇。