谷歌在其一篇被 ACL 2019 接收的论文「具有双重对抗输入的鲁棒神经机器翻译」中，提出了一种方法，该方法使用生成的对抗性示例来提高机器翻译模型对输入中的小扰动的稳定性。研究员学习了一个强大的 NMT 模型，可以直接克服用模型知识生成的对抗性例子，以及扭曲模型预测的意图。实验表明，这种方法提高了 NMT 模型在标准基准测试中的性能。