Last Translation Benchmark 是由 Vilém Zouhar 等研究者于 2026 年发布的一个面向机器翻译模型评估的基准数据集，相关论文成果为「Last Translation Benchmark」，旨在测试当前机器翻译模型在复杂翻译任务中的能力，并发现模型在真实场景中的具体失败情况。

该数据集包含 3,456 个高难度翻译样本，覆盖多种语言和语言组合，数据来源于人工编写和同行评审的翻译示例。样本包含文本、图像、音频和视频等多模态输入，并为每个样本提供人工制定的验证规则。

数据集组成

• source_text：源文本；
• source_lang：源语言；
• target_lang：目标语言；
• source_instructions：针对翻译任务的特殊要求；
• source_media：可选的图像、音频或视频数据；
• translations：不同模型或人工生成的翻译结果；
• verification_rules：用于判断翻译是否正确的验证规则；
• linguistics：描述翻译难点的语言学标注；
• attribution：数据来源信息；
• tags：数据所属的数据子集。

Citation

@misc{zouhar2026translationbenchmark,
  title={Last Translation Benchmark},
  author={LTB},
  year={2026},
  eprint={2609.04173},
  archivePrefix={arXiv},
  url={https://arxiv.org/abs/2609.04173}
}