标签
UrduMMLU是一个新基准测试，包含来自本土教育材料的26,431道多项选择题，涵盖26个学科，用于评估大语言模型在乌尔都语理解上的表现。对30个大语言模型的评估显示，Gemini-3.5-Flash表现最佳，而开源模型和区域特定学科仍构成重大挑战。
本文评估了四种用于高棉语农业文档检索增强生成（RAG）的文本分块策略，发现基于字符的递归分块（300字符）在检索和相关性方面表现最佳。
本文提出使用基于语义奖励的强化学习（通过GRPO）来将LLM扩展到低资源语言，避免了典型的灾难性遗忘对齐代价，展示了相比监督微调更好的语义质量和迁移性。
研究者开发KokborokMT，一款面向低资源语言Kokborok的神经机器翻译系统，通过在36k句对平行语料上微调NLLB-200，在en→trp方向取得17.30 BLEU分，trp→en方向达38.56。
VLegal-Bench 是一个认知基础基准测试，用于评估大语言模型在越南法律推理任务中的表现，包含 10,450 个专家标注样本，旨在填补民法系统法律基准的空白。该基准通过问答、多步推理和场景问题解决来评估多个层次的法律理解，为在非英文、成文法律背景下评估大语言模型提供了一个可复现的框架。