随着计算机算力的提升和深度学习的发展,神经机器翻译（NMT）重新走入了人们的视野并迅速取代了统计机器翻译成为主流模型。然而,虽然NMT吸引了大量研究者的目光,但少有研究关注同一翻译系统经过较长时间发展取得的进步,对翻译质量进行对比研究。本研究收集了谷歌神经机器翻译系统（GNMT）在2017年和2022年对美国宪法的英汉翻译,通过BLEU和多维质量指标（MQM）对译文质量进行评估和比较,探究GNMT在多大程度上、以何种方式提高了译文质量,并为进一步提升质量提供建议。定量分析结果显示,2022年译文BLEU分数提高11.44,段落平均BLEU分数均有显著提高。人工评估结果证实了机器评估结果。MQM罚分从7582下降到3530,主要得益于翻译准确度提高,严重误译数量减少了近三分之二。对译文的定性分析重点关注机器翻译面临的难点,总结出GNMT在忠实度、流利度和语言风格三个维度上五个方面的提升:一、能够更好地根据上下文语境选择正确词义;二、能够避免在翻译复杂长句时出现重大误译;三、能够准确地识别代词所指,并在译文中将所指译出以提高连贯性;四、可以更灵活地调整词序和句子结构,提高译文可读性;五、可以识别源语中的一些风格特征并在译文中通过选择合适的词汇再现风格特征。本研究在参考机器翻译领域相关研究的基础上提出了三个未来研究的重点。首先,针对特定领域进行训练可以帮助机器更好地选择词义和翻译风格。其次,全局语境理解能力有助于提高机器译文的连贯性和准确度。第三,更好的词义消歧算法将帮助机器翻译系统应对稀有词和短语的词义选择问题。