cross-lingual

MLAIRE 是一种多语言语言感知信息检索评估协议，它将语义检索准确性与查询语言偏好分离，以更好地评估跨混合语言语料库的检索效用。

研究者发现多语言 RAG 重排器存在系统性英语与查询语言偏见，提出 LAURA——一种面向效用的对齐方法，通过跨语言检索答案关键文档显著提升性能。

UL-XCoT在统一逻辑空间中剪枝低质量多语言推理路径，削减>50% token开销，同时提升低资源语言的准确率与鲁棒性。

研究人员推出了 x1，这是一类推理模型家族，能够针对每个具体实例自适应地选择最优语言进行推理，证实了在多语言及文化相关任务中，语言选择会对推理质量产生影响。