神经机器翻译虽然实现了极佳的性能，然而在实际应用场合却依然面临鲁棒性薄弱的弊病。不同于收集坏样例标注分析，近年来针对机器翻译系统产生对抗样本日益成为探索、强化其鲁棒性的主流途径。本期论坛我们邀请到了来自南京大学的邹威同学，他使用强化学习的方式，针对机器翻译系统生成对抗样本，并探索了基于此方案强化机器翻译鲁棒性的方式。