全球现存7000余种语言中，超90%为低资源语言，其双语语料库稀缺、标注数据匮乏，成为机器翻译发展的核心瓶颈。传统统计机器翻译（SMT）与神经机器翻译（NMT）均依赖大规模平行语料，而低资源语言常因数据不足导致模型过拟合，翻译质量显著低于高资源语言（如英汉、法西）。例如，非洲某土著语言与英语的平行语料仅数千句，模型难以学习复杂语法与词汇映射，译文常出现语义缺失或结构混乱。

为突破数据壁垒，业界探索三大路径：数据增强通过回译（Back Translation）、合成数据生成（如GPT生成伪平行语料）扩充训练集；迁移学习利用高资源语言预训练模型（如mBART、XLM-R），通过少量微调适配低资源场景；无监督学习直接利用单语语料训练模型（如UNMT），结合对比学习或自编码器捕捉语言特征。例如，Meta的“无监督机器翻译”在太平洋岛国语言上实现基础可读性，错误率较传统方法降低40%。

然而，低资源语言翻译仍面临挑战：方言差异、文化特异性词汇缺乏统一标注，影响模型泛化能力；部分语言无标准书写系统，进一步加剧数据收集难度。未来，结合社区参与（如众包标注）、多模态数据（如语音、图像辅助理解）与小样本学习技术，或成为破局关键。