标签
该论文介绍了 TRIDENT，一种基于往返翻译、包含三种分类变体的框架，以及 SHAKTI，一个用于检测 AI 生成的印地语文本的大规模基准数据集，并在多种体裁、大语言模型、对抗性设置和七种语言中进行了评估。
研究了大语言模型在豪萨语等低资源语言中的安全对齐问题，提出了HausaSafeLM安全偏好数据集，并发现仅靠拒绝率指标无法可靠衡量低资源语言中的模型安全性。
该论文提出一个结合人工整理词汇表与少量人类范文的框架，利用启用推理的LLM为极低资源乃至未见语言生成流畅文本，为合成数据自举提供了一条实用路径。
本文对51个近期多语言基准（涵盖242个数据集、219种语言）进行了数据驱动的审计，从覆盖度、代表性和严谨性三方面揭示了多语言评估的结构性缺陷，如英语中心化翻译、语言覆盖稀薄和基准污染问题，并提出了构建原生、文化相关且抗污染的评估框架的建议。
研究人员推出了首个面向巴斯克语的开放语音语言模型，该模型基于 LLaMA-Omni 架构，以 Latxa 为骨干模型，利用翻译数据和文本转语音（TTS）合成数据，克服低资源语言的数据匮乏问题，实现端到端语音交互。
该论文表明，Llama-3 和 Qwen3 中仅匹配字母的预分词器正则表达式，使尼泊尔语的词元用量产生了无法消除的约 2.2 倍开销，并提出了一种保持英语处理方式不变的正则表达式修复方案。该方案结合 3.2 万条新增合并规则，将这一开销降至 1.01 倍，并通过继续预训练实验进行了验证。
本文提出了一种基于嵌入的子集选择方法，利用 Whisper 的预训练编码器和贪心 k 中心算法，选取多样化的训练子集，用于自动语音识别（ASR）微调。在希伯来语和丹麦语上的评估表明，k 中心选择优于随机采样，尤其是在子集规模较小时，这得益于其更高的词汇多样性。
该论文在 Qwen2.5-14B-Instruct 上将 PolyRefuse 扩展到另外三种低资源语言（白俄罗斯语、巴什基尔语、塔吉克语），发现拒绝方向的迁移效果存在程度差异，并非普遍有效：来自安全对齐语言的方向能够广泛迁移，而来自严重未对齐语言的方向则无法可靠地调节拒绝行为。
该论文提出一个翻译绕过威胁模型，在79种语言上评估了十个主流大模型，发现即使提示在英文下被安全拒绝，翻译成低资源语言后仍有21.9%至44.4%的绕过率，表明英文安全对齐无法可靠迁移到其他语言。
一项覆盖14种语言的大规模研究，探讨跨语言仇恨言论检测的迁移效果，发现语言相似性是最强预测因素，而文化线索与交际规范可部分解释剩余差异。
一份审视非洲语言在AI安全研究中纳入准备程度的报告，基于数据可得性、国家AI政策支持、基准测试表现以及使用人口等维度，将语言划分为四个就绪等级，旨在为代表性不足的语言引导投资方向与基准纳入决策。
论文提出了LoWAgent，这是一个低资源语言多语言基准，涵盖英语、印地语、孟加拉语、乌尔都语和阿姆哈拉语，在六个本地化网站上包含3,000个任务，用于评估网络智能体的表现。研究发现低资源语言下的性能下降明显，尤其是开源模型；同时表明在基准数据的轨迹上进行后训练可以提升智能体的性能。
该论文提出一个多粒度评估框架，结合字符错误率、音节错误率和分词错误率，评估藏语语音识别在多方言与不同适配策略下的表现，发现低字符错误率并不总带来更优的高层级指标，且 LoRA 适配在测试范围内仍逊于全量微调。
我们提出了 CulturalRiddles，一个涵盖 62 种文化（45 个国家、51 种语言）的基准，包含由人类创作的、根植于文化背景的谜语，需要溯因推理和组合推理能力。即使是前沿大模型在某些社群上也仅能达到最高 22% 的准确率，凸显了文化理解方面的不足。
OpenAI 发布了模型新进展，显著提升了在 COBOL、Fortran 和 Visual Basic 等低资源编程语言上的编码能力。此次引入了 MultiLangBench 以及一项 COBOL 迁移评估，其中 GPT-6 Astra 和 GPT-6.1 Sol 相比 GPT-5.6 Sol 在准确率和成本方面均实现了大幅提升。
OpenAI 发布新模型能力，显著提升在 COBOL、Fortran、Visual Basic 等低资源编程语言上的构建与迁移表现：GPT-6 Astra 在 MultiLangBench 20 种语言上平均通过率达 87.4%，GPT-6.1 Sol 的 COBOL 迁移准确率最高达 97.9%，且成本更低。
该论文提出了依赖假说：在知识密集型任务中，大语言模型在低资源语言上的思维链忠实性更高，因为当模型无法直接回忆出答案时，会更加依赖推理过程。该效应在四个模型和多种忠实性度量上得到复现，而模型置信度可部分解释资源水平带来的影响。
论文提出 HeRE，一个通过 LLM 引导的知识图谱对齐去噪构建的希伯来语关系抽取基准与 150 万条银标数据集，并提出可推广至其他低资源语言的可复现流水线。研究发现多语言模型在少样本场景优于特定语言模型，而 Gemma-4-31B-it（F1=0.915）已接近 GPT-5.4（0.921）的表现。
Pearl-Chat 论文介绍了一个专为低资源班图语 Luganda 设计的 8.5M 参数因果解码器 Transformer，使用 JAX/Flax NNX 从零构建，并训练了自定义字节级 BPE 分词器，实现了相比 LLaMA-3/Gemma 约两倍的压缩改进。
这篇论文通过在他加禄语上的受控实验（将MorphAustro-Tok与BPE及打乱形态素的对照组进行比较），发现形态感知分词确实能提升机器翻译效果，但形态正确性本身并不带来收益——增益仅来自分词粒度与一致性，而非语言学上正确的切分。