自人工神经网络与深度学习等技术被运用于机器翻译以来,机器翻译的性能实现了巨大的进步。这不仅引发了学术界的广泛讨论,也深刻改变了翻译的工作方式。机器翻译结合译后编辑正在成为业界的新动态、新趋势。然而,目前的学术研究主要关注机器翻译在通用领域的表现,很少考察其在专业文本上的性能。因此,本文希望通过研究神经网络机器翻译在国际法律相关文本上的表现,来探讨其在法律领域内的适用性。本文研究的14篇文本来自于联合国毒品与犯罪问题办公室（UNODC）主持的“教育促进正义”翻译项目,内容为打击人口贩运与偷运移民的国际法律框架,总字数约44万字。据调查,项目译者广泛采用了机器翻译结合译后编辑的工作方式。在16位译者中,有13位以不同的方式使用了机器翻译。为评价机器翻译在项目文本中的表现,本文首先采用了测定文本编辑距离的算法,确定了译者采用机器翻译的句段。然后在相应句段中确定了典型的翻译错误,并按照美国翻译协会（ATA）的标准化错误标注框架对其进行了错误分类和文本分析。同时,本文还邀请到6名和项目译者就读于同一院校翻译学专业的同学,按照同一框架对14篇文本打分。随后,本文按照错误类型分类统计了每篇文本中不同类别错误的总数。研究发现,神经网络机器翻译的突出问题在于译文拘于字面、对专业术语把握较差、长难句重组不当、对法律语言风格的掌握较差等。作为补充,本文还调查了译者对于其采用的机器翻译系统的评价,译者对于机器翻译性能的打分印证了作者的分析结论。因此,本文认为,神经网络机器翻译目前还不能完全适用于法律领域。为了充分发掘机器翻译的潜能,需要建立不同行业的专用语料库,进一步训练机翻系统。为了实现更好的翻译质量,译员也需系统性总结机器翻译的优缺点,以便快速识别、修正错误。