标签
研究者通过使用大语言模型翻译英文语料，构建了日语 SDRT 语料库，并对比了基于提示和微调的大语言模型在日英语篇解析上的表现，发现两者性能相近，表明 SDRT 语篇解析具有跨语言适用性，且模型更依赖上下文语篇关系而非话语标记词。
本文评估了基于编辑的同形异义字符和不可见字符水印技术在涵盖24种文字系统的40种语言变体中的跨语言公平性，发现移除分词器并不能消除不公平，因为水印容量差异的96%由文字系统而非资源水平决定。
本文从因果角度分析了多语言大语言模型如何在英语、法语、越南语和中文中表征否定，揭示了一个共享且可通过因果干预加以控制的否定方向，甚至每个模型中仅一个稀疏自编码器特征，就能在不同语言中引入或消除否定，并泛化到未见过的语言。
本文分析了通过 ISO 11783 CAN 总线实现操作手册语义同步的方法，以便在农业机械上提供离线、多语言的大语言模型辅助，并对 Markdown、JSON 和 XML 格式的传输进行基准测试，同时评估采用检索增强生成技术的开放权重大语言模型在多种语言中的表现。
该论文研究基于英文构建的 LLM 流水线能否跨语言复用，通过支票信息提取、Mintaka 问答和 FinanceBench 三个任务评估其准确性、推理开销与行为稳定性，结论是流水线可有条件地复用，但仍需针对具体语言和领域分别验证。
PRISM 是一个用于评估激活干预如何在具备工具调用能力的语言模型中跨精度、语言和模型规模迁移的框架，表明量化 NF4 标签和跨语言监督能够揭示并缓解不安全的工具调用行为，即使在参数量高达 700 亿的大型模型中也是如此。
该论文提出三阶段流程，用于识别多语言大模型中的"Bridge Routing Heads"（BRH），发现五种语言对应的头集合几乎完全互斥，证明多语言多跳推理由语言特异的电路实现；消融实验显示了因果效应，并通过激活级干预，在无需训练的情况下即可挽救高达 51.7% 的跨语言推理失败。
BARRAC 将英文基于方面的情感分析框架适配于阿拉伯语方言分类任务，用阿拉伯语中表达讽刺、方言和情感的语言手段替换原本的消费者评论属性池，在五个基准中的四个上取得优于 GPT-4o 的效果，平均宏 F1 值达到 63.93%。
本文介绍了Modl技术，该技术通过组合领域与语言LoRA并实现互正交性，创建跨语言遥感多模态大语言模型（MLLM），在无需配对多语言数据的情况下实现卓越性能。
本文分析了大型推理模型在机器翻译中的推理轨迹，发现推理收益是有条件的，并引入Hierarchical Meta-Summarization来理解轨迹模式。
本文引入了一个多语言伦理困境数据集，以探究LLMs的价值偏好，并提出了一种无需重训练的模块化伦理对齐的任务向量组合方法。
本文提出一种音系全面、仅限ASCII的罗马化方案，针对泰语和老挝语，旨在实现跨语言对应和机器处理，以辅助语言学习和语音处理。
这篇研究论文探讨了为什么大型语言模型中的预训练无法跨语言转移知识，指出不相交的词元空间是根本障碍，并提出将语言映射到共享词元空间以改善跨语言泛化能力。
本文描述了向WMT26模型压缩共享任务提交的六个作品，使用路由感知的专家剪枝和MXFP4量化将GPT-OSS-20B压缩成更小的翻译模型，参数范围从4.186B到7.770B。
本研究评估了跨语言临床注释投影作为受限文本生成，比较了监督式、混合式和大型语言模型方法在六种语言中的表现。直接LLM投影优于先前方法，能够实现高质量的多语言临床注释转移。
论文提出了SALT，一种轻量级的后训练方法，通过向跨语言句子编码器注入跨度级监督来改进词元表示，在多语言词元级基准测试中取得最佳结果，并提升句子级性能。
SWORD引入了一个基于Wikidata的基准，用于评估LLM在拒绝事实错误时的跨语言不一致性，揭示模型依赖于分布熟悉度，并在亚洲语言中表现出性能下降。
该论文提出了中间语假设，认为大型语言模型通过将源文本编码到一个潜在与任务无关的特征空间中并从该空间解码来执行翻译，有经验证据支持其在方差、因果影响和单语微调方面的表现。
本文提出了一种针对汉语语言的跨语言罗马字生态系统，为普通话和粤语开发了具体方案，并在语音到罗马字任务中显示出比基线方法更优的性能。
本文提出了一种潜在空间干预方法，用于改善大型语言模型中的跨语言事实一致性，在不损失事实精度的情况下实现更好的对齐。