通常，在自然语言处理 (NLP) 中，他们将序列到序列学习 (Seq2Seq) 与神经网络结合使用，例如循环神经网络或最近的 Transformer（您可以在此处和此处找到两篇非常好的论文）。

在训练期间，为了确保输入和输出的大小相同，他们可以只搜索数据集中最长的句子，或者选择一个足够高的数字并将所有其他句子填充为 0。此外，他们添加了一个停止标记句子结束的地方，以便模型意识到这一点。解码（推理）时，解码器将一次预测一个单词，直到它预测到停止标记，这表示翻译完成。

如果您有兴趣查看实际实现，我建议您查看本教程，该教程在解释代码及其工作方式方面做得很好。