标签
本文评估了多语言大型语言模型在乌尔都语故事生成中的表现，揭示了其在语言、语义和文化方面的显著弱点，突显了对于低资源语言的局限性。
本文介绍了一个针对孟加拉语习语的基准数据集，并评估了近期大型语言模型在习语相关任务上的表现，揭示了不同模型在性能上存在显著差异。
本文介绍了VakyArth，这是首个针对印度语言的语用基准，评估LLMs在印地语、旁遮普语、泰米尔语和马拉雅拉姆语中的文化和上下文推理能力。研究发现模型在语用意义方面存在持续性失败，且在不同语言和任务间存在系统性差异。
本文提出SAMA-ASR——一种多模态适配器，通过利用翻译提供的语义锚点和语音的声学锚点，改进低资源语言的自动语音识别。在台湾闽南语和客家话上的实验证明其性能优于基线方法。
本文评估了开放多模态大语言模型在高棉文档视觉问答上的性能，发现虽然模型在处理英语和数字内容方面表现良好，但理解原生高棉脚本仍然具有挑战性。该研究使用了KH-FUNSD集合中的诊断子集，并比较了不同的模型配置。
本文介绍了质心干预融合 (CIF)，一种投影融合框架，它统一了多语言干预算子以增强大型语言模型中的跨语言表示学习，特别在资源匮乏的语言上实现了性能提升。
本文介绍了KSE-Web，一项针对低资源柬埔寨语语义搜索的混合检索与LLM辅助查询扩展分析研究。研究通过构建一个数据集，评估了BM25、稠密检索以及混合检索方法，发现BM25表现最佳，同时LLM查询扩展在柬埔寨语应用中存在局限性。
本文评估了大语言模型在罗马乌尔都语（一种资源匮乏语言）中的仇恨言论检测能力，证明使用LoRA的参数高效微调相比零样本推理显著提升了分类性能。
NE-BERT 是一个多语言编码器模型，在830万句数据上训练，覆盖九种东北印度语言和两种锚定语言，通过自定义分词技术，在超低资源语言上显著优于现有模型如 IndicBERT-V2 和 MuRIL。
本系统性文献综述研究了大型语言模型在低资源语言中的安全对齐，指出存在持续的多语言安全差距，并提出了未来方向，如基于文化背景的基准测试和参与式数据收集。
This paper presents a cost-efficient routing pipeline for multilingual short-text classification that selectively translates low-resource languages into English before zero-shot classification using small language models, showing quality gains on SIB-200 and MASSIVE benchmarks.
This paper presents an embedding initialization method for adding unseen low-resource languages to multilingual NMT models, evaluated on Limbum-English translation. The averaged multi-language embedding matches the best single proxy and drastically outperforms zero-shot and from-scratch baselines.
本文研究了使用Whisper进行波斯语语音情感识别，表明基于PCA的降维方法提升了性能和效率，而ASR微调仅带来有限的改进。
微软研究院推出了Paza语音手册，这是一份交互式指南，用于为低资源和多语言语言构建稳健的语音技术，涵盖数据收集、模型训练、部署和评估。配套视频介绍了该手册，并演示了如何应用经过验证的实践。
本文提出了一个使用大语言模型构建塔吉克语电子详解词典的概念框架，该框架整合了词法分析、词形还原、语义聚类和词典条目生成，并采用PEFT策略。
本文介绍了uOttawa团队在EvaLatin 2026古典拉丁语命名实体识别共享任务中使用的系统，通过商业LLM（Gemini 2.5 Pro和Claude Sonnet 4-5）的提示工程，在粗粒度和细粒度NER子任务中均获得第一名。
这篇arXiv论文对五种前沿LLM在原生孟加拉语贬损言语上的表现进行了审计，发现安全对齐未能泛化到低资源语言——尽管有高资源对齐，模型仍以高比率理解和生成不安全内容。作者提出了“理解-遏制解耦”概念，并表明推理和人格框架会进一步瓦解安全过滤器。
本文提出了RP-RCAF提示策略，用于在低资源语言中生成文化敏感的心理健康建议，并介绍了G-REFS评估框架，实验表明在多个LLM上均优于传统提示方法。
MEUSLI是一个开源的多语言投影器家族，它将Whisper编码器与多语言LLM连接起来，支持28种欧洲语言的端到端ASR，并扩展到语音翻译和主题识别。
本文介绍了一项工程研究，将NVIDIA Nemotron 3.5 ASR Streaming 0.6B适配到基库尤语、多洛语和卡伦津语中。通过语料库审计、规范化、流式评估等数据驱动技术，在内部测试集上分别实现了基库尤语42.97%和多洛语33.98%的词错误率（WER）。