BERT在机器翻译任务中取得了显著的成绩。BERT是基于Transformer的预训练语言模型，通过双向编码器来学习词汇和句子级别的表示。在机器翻译任务中，BERT可以用于编码源语言和目标语言的句子，从而生成翻译结果。

  许多研究表明，在机器翻译任务中，使用BERT作为编码器可以提供更好的性能。BERT的预训练模型有助于捕捉不同语言之间的语义和句法结构，从而提高机器翻译的准确性和流利度。

  一项在2019年发表的研究探索了BERT在英语到德语和英语到瑞典的机器翻译任务中的性能。研究结果表明，BERT作为编码器的神经机器翻译模型在BLEU（bilingual evaluation understudy）分数等指标上超过了传统的神经机器翻译模型，取得了更好的翻译结果。

  此外，为了进一步提高BERT在机器翻译任务中的性能，也有研究者提出了一些改进方法。例如，通过与其他机器翻译技术结合，如注意力机制和解码器的改进，可以进一步提高BERT在机器翻译任务中的表现。

  总的来说，BERT在机器翻译任务中的表现是相当优秀的。它的预训练模型提供了一种有效的方式来捕捉句子级别的语义和句法信息，并在编码器-解码器架构中取得了更好的翻译结果。但需要注意的是，具体的性能还会受到任务设置、数据集和特定模型的影响。所以，在实际应用中，还需要综合考虑各种因素来选择最适合的模型和方法。