多项研究发现少量提示可以从大型语言模型中引发更好的翻译，但是关于此类翻译与标准神经机器翻译 (NMT) 模型生成的翻译，在质量上有何不同的研究相对较少。
在此项研究中，微软 Azure AI 团队使用了涉及单词对齐和单调性的字面量度，发现 GPT 的英语 (E-X) 翻译往往较少字面直译，同时在机器翻译质量指标上表现出相似或更好的分数，这些差异在翻译惯用语句时尤其明显，这一发现在人类评估中也得到了证实。
据研究人员介绍，GPT 模型利用了更深入的语言本质，学习了更广泛的上下文并提取了更多的语义信息，从而在翻译时能够产生更人性化的输出结果。此外，在翻译中显示出更好的判断力和语法准确性，使其更加优于传统的机器翻译模型。
总之，GPT 模型相对于传统的机器翻译模型，在翻译质量和人性化方面都具有更大的优势，并有望成为未来机器翻译领域的主流方向。