multilingual

该论文为多语言编码器提出了查询感知路由方案：将仅基于查询的低秩适配器（SampoTron）与确定性语言路由相结合，其中适配器以冻结的 Nemotron-3-Embed-1B 文档嵌入为目标进行训练。在涵盖英语、芬兰语和瑞典语的六个检索方向上，该方法实现了 20.9% 的 nDCG@10 相对提升，同时保持了同语言检索性能及现有文档索引不变。

Cactus Compute 发布 Whistle，一款 16.9 MB 的开源语音识别模型，可在 CPU 上无依赖运行，覆盖手机、可穿戴设备、机器人、汽车和微控制器等场景。它支持七种语言的转写，提供词级时间戳和语音嵌入，首个 token 生成延迟为 11 毫秒，并与 Needle 共享 C++ 引擎和量化技术。

Aleph Alpha 发布了 Kolibri-1，这是一个开源权重的混合专家（MoE）推理模型，总参数量为 78B（激活参数 3.46B），支持最高 1M token 上下文，重点针对德语和英语，并提供推理模式与工具调用功能，以 Apache 2.0 协议发布。

该论文研究了参考答案（gold reference）的选择对多语言基准评测分数的影响，发现交换参考标注可使F1分数移动数个点，并揭示了一个未记录的标注聚合默认设置导致参考答案与被评输出部分重合的问题，提出应将参考敏感性区间与分数一同报告。

该论文研究了在单语检索增强生成（RAG）中推理语言与查询/检索文档语言对齐的作用，构建了一个基于虚构桌游世界《The Dark Eye》的德语RAG问答测试集，发现对齐推理语言能提升表现，但仅能达到模型原生英语推理的水平。

HyperBrowseComp 引入了一个多语言、多模态的浏览基准，包含 423 个由人工撰写并经人工验证的问题，覆盖 13 种语言，旨在通过在视频、扫描文档、图像和地图等来源中寻找冷门证据以及执行多步线索链推理，对网页浏览智能体施加压力。作者在统一的智能体协议下评估了多个模型，并提供了人类基线以供对比。

Microsoft AI 发布首个流式转录模型 MAI-Transcribe-2-Streaming（在 Artificial Analysis 上排名准确度第一，支持 60 种语言、100ms 部分结果延迟），同时推出 MAI-Voice-2.1 与 MAI-Voice-2.1-Flash 语音合成模型，面向低延迟对话式语音智能体场景。

该论文测量了2026年主流LLM分词器对法语及法国地方语言的token溢价（法语比英语多31%–58%，地方语言高达1.6–3.3倍），并提出法语优化的字节级BPE原型Baracoda FR v1.2，在法语上比Tekken少用11.5%的token。

Bilibili Index LLM 团队发布 Index-Translate 及配套模型（Index-NativeLong、Index-Homura、Index-Echo），支持 150 种文本语言、文档翻译、多语言字幕和保留原声的配音功能，以 Apache-2.0 协议开源，提供 2B、9B 和 35B-A3B 三种规模的模型权重。

UTTER IN 是一款语音驱动的效率工具，只需录制一条包含多个请求的语音笔记（支持英语或阿拉伯语方言），即可自动拆分为独立的提醒卡片、日历事件和已保存地点。用户确认后，可同步至 Google、Outlook 或 Apple Calendar。

BiliBili Index 团队发布了 Index-Translate，这是一系列基于 Qwen3.5 构建的多语言翻译模型（2B/9B/35A3B），支持 150 种语言，同时提供语音转文本、语音到语音、音节约束翻译以及长文档翻译等变体，以 Apache 2.0 协议开源。

一篇arXiv论文利用2013年价值观调查模块（VSM 2013），对TypeSafe的JEV仅决策模型进行了审计，涵盖沙特与美国人格设定以及英语、阿拉伯语两种语言。研究发现，模型的回答高度可重复，但会随人格设定和语言的不同而变化：在英语中能复现87%的人类沙特–美国文化差距，而在阿拉伯语中仅能复现62%。

ArXiv 预印本，探讨 Gemma 4 31B 在内部如何表征九种非洲语言，以及国别特定的引导方向是否会偏向英语生成；研究发现非洲语言之间存在区域对齐模式，并且对尼日利亚、加纳、肯尼亚和南非的引导产生了可测量的效果。

本文评估从语言模型表示中提取的情感概念方向在不同数据划分间复现的可靠性，比较了 English、Hausa 和 Yoruba 在四种语言模型上的表现。结果发现方向一致性存在稳定的语言排序（English > Hausa > Yoruba），并表明高探针分类准确率并不意味着方向一致性；不过，文中并未将 tokenizer fertility 确立为造成这一现象的原因。

本文提出了 tau-Multilingual 基准，将 tau-Voice 扩展至西班牙语、巴西葡萄牙语、印地语、韩语和普通话，用于从任务完成度、交互质量和语言生成等方面评估语音智能体。实验结果显示，西班牙语、葡萄牙语和印地语的表现接近英语，而韩语和普通话则明显下降。作者还发布了多语言包、经过验证的裁判模型（judge）以及工具，以支持社区开展多语言语音智能体评测。

Liquid AI发布了d1，他们的首个决策模型，在Hugging Face的Decision Index上表现优于Jev，具有多语言评估、鲁棒性和处理更长输入的优势。

Hugging Face 推出了 Open TTS Leaderboard，这是一个客观、可扩展的多语言 TTS 与语音克隆评测框架，采用基于 ASR 的可懂度指标（WER/CER）、速度指标（RTFx/TTFA）以及 WavLM 说话人相似度指标，将模型评测时间从数周缩短至数小时。

Cohere 发布了 Embed 5，这是其迄今最强大的嵌入模型家族，包含 pro 和 fast 两种版本，共享同一嵌入空间，支持多模态、覆盖 100 多种语言、支持 128k 上下文，并提供跨多个维度的俄罗斯套娃（matryoshka）嵌入。

免费、开源AI工程课程，包含523课，现提供EPUB/PDF书籍版本并支持八种语言，专注于从零开始构建算法。

本文探讨在数据限制下使用代码切换文本来对齐小型语言模型的表征，表明涉及代码切换的课程能提升多语言性能。