2026年10月24日，一项面向西西里语的神经机器翻译（NMT）系统重构研究发布于arXiv（论文编号2610.30374v1）。研究旨在提升当前依赖噪声网络文本训练的多语种大模型对西西里语的翻译质量，重新开发了Wdowiak此前为该语言定制的小型NMT系统。
团队基于双语学术期刊《Arba Sicula》的PDF文档，利用维护良好的软件重建平行语料提取流程：采用语言无关句编码器进行句对齐，阈值经人工对齐结果校准，并过滤典型自动对齐错误；同时将原系统中依赖Perl的分词及屈折词尾敏感子词切分方案迁移至无Perl实现。全部实验结果均在源自该期刊的冻结测试集上评估。
研究对比了从零训练的小型Transformer模型与经低秩微调（LoRA）适配的预训练NLLB模型，在英↔西西里语、意↔西西里语双向任务中，以意大利语为近缘桥梁语言。作者还将原系统的‘反向训练’策略（即先用网络西西里语回译打分、再加入《Arba Sicula》文学语料）迁移至NLLB模型。结果显示，预训练NLLB模型全面优于从头训练模型，且 staged 训练策略对译入西西里语的提升更为显著。
在原系统测试集及原始分词空间下，配备更大适配器与更多回译数据的 staged 模型，在英↔西西里语方向表现优于原反向训练方案，但在西西里语↔意大利语方向则略逊。此外，多语种适配器会损害未参与训练的语言方向性能，限制其作为通用多语模型的应用范围。