multilingual

Show HN：Wonderhop 是一款免费的每日文字游戏，每天提供四种模式，玩家需在 30 秒内针对共享问题，猜出最常见、最罕见、最古老或最新的答案。

LifeSearch 推出了一项包含 203 个中英文任务的基准，用于评估深度研究智能体在现实生活和生产力场景中的表现，涵盖 4,000 多条专家编写的评分细则，并对 12 个先进智能体进行了实验，发现即使是表现最好的前沿智能体（GPT-5.6 Sol），得分也仅为 63.4%。

Fish Audio 推出了 Drama 3 语音模型，支持音频修复，可以仅重新生成音频中的单个词或短语，其余部分保持不变，并支持 83 种以上的语言。

论文提出MixLID，一个支持111种语言-文字组合的token级混合语言识别模型，采用两阶段训练（先单语再混合语言数据），在单语和混合语言识别基准上均超越现有基线，模型已在Hugging Face开源。

论文提出 HexaBee-4B，一个基于 Gemma3 4BIT 通过三阶段训练（维基百科持续预训练、多语言问答与答案翻译联合训练、双向翻译专业化）改编的六语种翻译模型，在阿拉伯语、中文、英语、希伯来语、波斯语和西班牙语全部 30 个翻译方向上相比基线均有 chrF++ 提升。

Cactus Compute 发布 Whistle：一个 16.9 MB、纯 CPU 运行的语音识别模型，支持七种欧洲语言，实测首 token 5-8 毫秒、解码约 1300 token/秒，但对不支持的语言（如中文、日文）不会报错，而是静默输出假词，存在生产环境静默污染风险。

本文研究了端到端语音解析架构（Wav2tree）中中间神经网络单元的作用，提出了一种移除这些单元的简化架构，在减少12%参数的同时在ASR和解析任务上达到相当或更优的性能，并对法语、斯洛文尼亚语和Naija语进行了综合评估。

本文提出局部原型重构（Local Prototype Reconstruction, LPR），一种轻量级训练正则化方法，用于提升连接冻结语音编码器与冻结LLM的桥接模块的可迁移性。通过强制局部词法流形的兼容性，该方法在多语言ASR和语音翻译任务上取得了性能提升。

Invited 是一款 AI 提醒扫描工具，可将账单、邀请函、支票、截图和 PDF 转换为智能提醒，自动提取日期、时间、地点和金额，支持 80 多种语言和 9 种日历。

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。

该论文提出 Language-Aware Skeleton Exploration Framework (LASEF)，系统研究多层数学推理中骨架提示语言的选择问题，发现英语骨架平均略有优势但并非普遍最优，骨架语言是一个依赖上下文的设计变量。

提出一种通过LLM生成方言文本并用标准语TTS合成伪方言语音的零真实方言数据增强方法，并引入中间标准文本预测以缩小语义差距，提升语音语言模型在日语、德语和中文方言上的翻译表现。

一项实证研究，探讨在阿拉伯语和英语中将成人 ASR 模型适配到儿童语音同时保持成人性能的方法，对比了微调、LoRA 和权重空间融合（LERP/TIES）等技术，发现双语适配与权重融合能够改善适配与保持之间的权衡。

该论文提出了 Tokka-Bench，一个用于在100种自然语言和20种编程语言上评估分词器的开源框架，采用五项指标进行评测。研究在包括 GPT-4、Llama 3.1、Gemma 3、Qwen3 和 Kimi K2 在内的七个 BPE 分词器上发现，词汇分配策略比原始词汇表大小更为重要。

Technology Innovation Institute (TII) 推出 Falcon-ASR，这是一款拥有 16 亿参数的语音识别模型，专注于阿拉伯语（包括阿联酋方言），同时支持英语、法语、西班牙语和葡萄牙语。其阿拉伯语平均字错率（WER）达到 20.92%，优于已公布的最佳榜单成绩，并提供词级时间戳功能。

一篇随笔认为，AI（尤其是 LLM）已经悄然实现了近乎完美的机器翻译，在数十年进展平平之后，实际上已经打破了语言壁垒。

本文将先验拟合网络（Prior-fitted networks，TabPFN）扩展到自然语言，通过仅在合成序列上训练一个 300M 参数的字节级 Transformer 来实现——这些序列采样自随机采样的循环因果模型，即一个「语言先验」。在权重冻结的条件下，模型能够在上下文中学习预测六种语言，还能进行计数、比较数值大小、近似加法，以及预测素数和 Kolakoski 序列等确定性序列，表明上下文语言学习可以从合成的非语言先验中涌现。

一位从业者分享了他们的 ASR 流水线在语码转换（code-switching）通话上如何失效：语言检测只在开头运行一次，导致英语-印地语混合语句中的印地语部分被搅得面目全非；现在他们改为持续检测，并将不稳定的片段送入人工审核队列，暴露出基准测试数字与真实通话行为之间的巨大差距。

本文研究了强制大语言模型用与查询及检索文档相同的语言进行推理，是否能提升单语非英语 RAG 的性能。作者基于虚构世界 The Dark Eye 构建了德语 RAG 测试平台，发现将推理语言与证据语言对齐有所帮助（德语推理的表现优于法语推理，尽管模型的法语能力更强）；但不受约束的母语英语推理仍然能达到与对齐设置相当的效果，这凸显了开发真正多语言推理模型的必要性。

介绍了多语言干扰项干扰（MDI）协议，表明外语干扰句会导致 LLM 切换输出文字系统（例如天城文），或触发拒答，从而虚高精确匹配的幻觉率指标——Llama-3.1-8B 看似 0.710 的幻觉率，在将那些切换文字系统但语义正确的答案纳入统计后降至 0.470。