Toward Responsible and Epistemically Grounded Multilingual LLMs for Computational Social Science and Humanities
Northwestern University in Qatar（卡塔尔西北大学）
本文重新概念化多语言推理大语言模型为解释学工具，提出一个基于理论框架来评估其在社会科学与人文学科研究中的文化对齐、跨语言稳定性和推理忠实性。
2026-05-30 cs.CL
Same Lesson, Different Story: Cross-Lingual Reconstruction of Cultural Narratives in Large Language Models
College of Computer and Information Sciences（计算机与信息科学学院）
本研究通过跨语言谚语集和四种LLM生成叙事，评估模型在跨语言条件下是否保留文化意义，发现跨语言提示基本保留语义但改变叙事结构，且模型间存在强收敛。
2026-06-24 cs.CL
SEA-Guard: Culturally Grounded Multilingual Safeguard for Southeast Asia
VISTEC；Google（谷歌）；AI Singapore（AI新加坡）
SEA-Guard是首个基于东南亚文化背景的多语言安全模型，通过代理数据生成框架构建区域特定安全数据集，有效检测地区敏感内容并保持良好的通用安全性能。
2026-02-02 cs.CL
Lessons Without Borders? Evaluating Cultural Alignment of LLMs Using Multilingual Story Moral Generation
本文通过多语言故事道德生成任务评估语言模型的文化契合度，发现前沿模型在道德生成上与人类响应相似但缺乏跨语言多样性。
2026-09-21 cs.AI cs.CL
Hindi as a Second Language: Improving Visually Grounded Speech with Semantically Similar Samples
Korea Advanced Institute of Science and Technology（韩国科学技术院）
本文的目的是从多语言的角度探讨视觉接地语音模型（VGS）的学习。双语VGS模型通常使用来自两种语言的相同数量的口语字幕进行训练。然而，在现实中，可用的口头字幕的语言之间可能存在不平衡。我们在这项工作中的主要贡献是利用双语视觉接地语音模型中的高资源语言的力量来提高低资源语言的性能。我们介绍了两种方法来提取高资源语言的知识到低资源语言：（1）结合一个强大的预训练的高资源语言编码器和（2）使用语义相似的口头字幕。我们的实验表明，结合这两种方法有效地使低资源的语言，以超过单语和双语对应的跨模态检索任务的性能。
2023-03-30 cs.CL cs.CV cs.SD
ForMaT: Dataset for Visually-Grounded Multilingual PDF Translation
Laniqo；Faculty of Mathematics and Computer Science, Adam Mickiewicz University（亚当·密茨凯维奇大学数学与计算机科学学院）；Poznań University of Technology（波兹南技术大学）
ForMaT通过3956个PDF构建多语言翻译数据集，保留布局元数据以提升多模态翻译效果，采用K-Medoids采样捕捉复杂元素，揭示当前MT系统在空间接地与几何同步上的不足，为布局感知翻译模型提供基准。
2026-05-15 cs.CL
Compass-Embedding v4: Robust Contrastive Learning for Multilingual E-commerce Embeddings
Shopee（虾皮）
Compass-Embedding v4通过鲁棒对比学习解决多语言电商嵌入中的数据稀缺、噪声监督和生产约束问题，实现领域特定检索和分类的高性能表现。
2025-12-25 cs.AI cs.CL
Adaptive Originality Filtering: Rejection Based Prompting and RiddleScore for Culturally Grounded Multilingual Riddle Generation
Algoverse AI Research（Algoverse AI研究院）
针对多语言谜语生成中标准提示易产生重复浅显输出的问题，提出自适应原创性过滤（AOF）策略，结合RiddleScore评估，在无需微调下提升生成内容的新颖性、文化保真度与质量。
2025-10-09 cs.CL
MET: Theory-Grounded and Culture-Aware Multilingual Moral Reasoning
University of Michigan（密歇根大学）
研究针对语言模型用于跨语言文化道德决策时存在的多语言性忽视问题，提出MET两步提示法及MET-D自我蒸馏训练，引入MCLASH基准，实验表明MET-D提升模型性能，揭示不同文化有益依据差异，为多语言道德推理开辟道路。
2026-07-14 cs.CL
Towards Corpus-Grounded Agentic LLMs for Multilingual Grammatical Analysis
University of Ljubljana, Faculty of Computer and Information Science（卢布尔雅那大学计算机与信息科学学院）；University of Ljubljana, Faculty of Arts（卢布尔雅那大学艺术学院）；Jožef Stefan Institute（乔塞夫·斯塔芬研究所）
本文提出基于语料库的代理LLM框架，用于多语言语法分析，通过数据驱动推理提升语法探究的可解释性和扩展性。
2025-11-28 cs.CL
UPDESH: Synthesizing Grounded Instruction Tuning Data for 13 Indic Languages
Microsoft Corporation（微软公司）；Nanyang Technological University（南洋理工大学）；Northeastern University（东北大学）；Independent Researcher（独立研究者）
UPDESH通过基于维基百科内容的自下而上方法，生成高质量的多语言指令数据，提升多语言AI系统的文化适应性与性能。
2026-02-26 cs.CL
Lessons from Training Grounded LLMs with Verifiable Rewards
本研究利用GRPO和可验证奖励训练接地LLM，通过两阶段优化提升答案正确性、引用充分性与拒绝质量，实验证明推理增强显著优于仅指令调优。
2025-06-18 cs.CL
Dial HEALTHDIAL for Advice: A Multilingual and Multi-Parallel Spoken Dialogue Dataset for Knowledge-Grounded Information Seeking
Language Technology Lab, University of Cambridge（剑桥大学语言技术实验室）；School of Computation, Information and Technology, Technical University of Munich（慕尼黑技术大学计算、信息与技术学院）；Independent Researcher（独立研究员）
本文构建了HEALTHDIAL，一个大规模多语言多平行口语对话数据集，用于开发基于检索增强生成的口语对话系统，并揭示了不同语言间的性能差异。
2026-05-28 cs.CL
MELLA: Bridging Linguistic Capability and Cultural Groundedness for Low-Resource Language MLLMs
Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）；East China Normal University（东华大学）；The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；Institute of High Performance Computing, A*STAR（高性能计算研究所，A*STAR）
研究针对低资源语言MLLMs文化内涵不足问题，提出MELLA数据集，采用双源策略，结合母语网络图像-替代文本对与生成翻译的图像描述进行监督，经实验表明能减轻文化幻觉，强调数据对齐对低资源语言文化基础多模态理解的重要性。
2026-07-24 cs.AI cs.CL cs.CV
Multilingual Jointly Trained Acoustic and Written Word Embeddings
University of Chicago（芝加哥大学）；TTI-Chicago（芝加哥丰田技术研究院）
声学词嵌入（AWE）是口语词段的矢量表示。AWE可以与字符序列的嵌入联合学习，以生成书面单词的语音有意义的嵌入，或声学接地词嵌入（AGWE）。这样的嵌入已被用于改善语音检索、识别和口语术语发现。在这项工作中，我们将这个想法扩展到多种低资源语言。我们联合训练一个AWE模型和一个AGWE模型，使用来自多种语言的语音转录数据。然后，预训练的模型可以用于看不见的零资源语言，或者对来自低资源语言的数据进行微调。我们还研究了独特的功能，作为电话标签的替代品，以更好地共享跨语言信息。我们测试了我们的模型在12种语言的单词识别任务。当在11种语言上进行训练并在剩余的看不见的语言上进行测试时，我们的模型优于传统的无监督方法，如动态时间扭曲。在对来自新语言的一个小时甚至十分钟的数据进行预训练后，性能通常比只训练目标语言数据要好得多。我们还发现，语音监督提高性能的字符序列，和独特的功能监督是在处理看不见的电话在目标语言有帮助的。
2020-06-24 cs.CL cs.SD eess.AS
O1 Replication Journey -- Part 2: Surpassing O1-preview through Simple Distillation, Big Progress or Bitter Lesson?
Shanghai Jiao Tong University（上海交通大学）；Generative AI Research Lab (GAIR)（生成式人工智能研究实验室（GAIR））；SII；NYU（纽约大学）
本文揭示通过从 O1 API 简单蒸馏数万条长思维链并监督微调即可在 AIME 上超越 O1-preview，且模型能泛化到开放域问答并降低谄媚性，同时批判了过度依赖蒸馏并强调第一性原理研究的重要性。
2024-11-25 cs.AI cs.CL
Toward Culturally Grounded Natural Language Processing
Independent Researcher（独立研究员）
本文探讨多语言NLP中文化素养与语言能力的脱节问题，提出通过丰富上下文元数据和文化分层评估等方法，推动文化扎根的NLP研究。
2026-03-27 cs.CL
A Typologically Grounded Evaluation Framework for Word Order and Morphology Sensitivity in Multilingual Masked LMs
本文提出了一种基于语言类型学的评估框架，用于评估多语言掩码语言模型对词序和形态敏感性的依赖性，通过多种扰动方法测试模型性能。
2026-02-28 cs.CL
Multi-Head Attention with Diversity for Learning Grounded Multilingual Multimodal Representations
Carnegie Mellon University（卡内基梅隆大学）；Monash University（莫纳什大学）
为了促进和理解图像搜索的多语言版本，我们利用视觉目标检测，并提出了一个具有不同多头注意力的模型来学习接地多语言多模态表示。具体来说，我们的模型出席了不同类型的文本语义在两种语言和视觉对象之间的句子和图像的细粒度对齐。我们引入了一个新的目标函数，明确鼓励注意力的多样性，学习改进的视觉语义嵌入空间。我们在Multi30K数据集上的德语图像和英语图像匹配任务中评估了我们的模型，并在语义文本相似性任务中使用视觉内容的英语描述。结果表明，我们的模型产生了显着的性能增益比其他方法在所有三个任务。
2019-09-30 cs.CL cs.CV
LLM Safety Alignment in Low-Resource Languages: A Systematic Literature Review
African Institute for Mathematical Sciences (AIMS)（非洲数学科学研究所）；Bayero University Kano（卡诺贝罗大学）；Brown University（布朗大学）；Centrum Wiskunde & Informatica（数学与计算机科学中心）；University of Pretoria（比勒陀利亚大学）；University of Hamburg（汉堡大学）；Imperial College London（伦敦帝国学院）
本文通过PRISMA 2020方法学开展系统文献综述，分析50项相关研究，揭示低资源语言下LLM存在多语言安全差距，提出安全对齐分类，并给出未来研究方向。
2026-08-18 cs.AI cs.CL cs.LG
Integrating Human Linguistic Insights into AI: Theory-Driven Representation for Multilingual Text-to-Speech
Newcastle University（纽卡斯尔大学）；University of Oxford（牛津大学）；Tencent（腾讯）；Shengrurenxin Ltd.（胜瑞仁信有限公司）
该研究将理论驱动的FUL特征融入改进后的FastSpeech架构，仅需少量训练数据即可实现多语种TTS，支持混码合成，为低资源语言TTS提供了高效可扩展的方案。
2026-08-07 cs.CL cs.SD eess.AS
Culturally-Grounded Governance for Multilingual Language Models: Rights, Data Boundaries, and Accountable AI Design
Lehigh University（莱维大学）
本文提出基于文化背景的多语言模型治理框架，强调权利、数据边界和可问责AI设计，以应对文化边缘社区的系统性风险。
2026-01-31 cs.AI cs.CL
BabelSafe: A Policy-Grounded Multilingual Safety Benchmark for LLMs
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Fudan University（复旦大学）；University of Chicago（芝加哥大学）
本文提出ML-Bench和ML-Guard，通过区域法规构建多语言安全基准，并开发基于扩散模型的防护系统，实现文化与法律一致的多语言安全评估。
2026-09-29 cs.CL cs.CR
WorldBench: Culturally Grounded Benchmark for Multilingual Agents
University of Edinburgh（爱丁堡大学）；School of Informatics, University of Edinburgh（爱丁堡大学信息学院）；School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院）
本文提出WorldBench多语言文化贴合基准，含1600个跨语言跨文化任务，引入CTS指标评估，发现前沿模型CTS仅49.2%，当前智能体在相关场景下仍较脆弱。
2026-09-02 cs.AI cs.CL
Multi-domain Multilingual Sentiment Analysis in Industry: Predicting Aspect-based Opinion Quadruples
Orange Innovation（Orange创新）
本文探讨使用大语言模型进行基于方面的多领域多语言四元组意见提取，证明单一微调多领域模型性能可媲美专门模型且降低复杂性，并分享了结构化预测任务中的实践经验。
2025-07-15 cs.CL
MultiHal: Multilingual Dataset for Knowledge-Graph Grounded Evaluation of LLM Hallucinations
Department of Computer Science, Aalborg University（计算机科学系，奥胡斯大学）；Institute of Logic and Computation, TU Wien（逻辑与计算研究所，维也纳技术大学）
针对现有幻觉评估基准缺乏知识图谱路径和多语言支持的问题，提出多语言多跳基准MultiHal，通过挖掘并精选2.59万条知识图谱路径，在KG-RAG中显著提升语义相似度、NLI蕴含和幻觉检测得分，验证了知识图谱集成的潜力。
2025-10-23 cs.CL
SEADialogues: A Multilingual Culturally Grounded Multi-turn Dialogue Dataset on Southeast Asian Languages
MBZUAI；Mekari；Universitas Indonesia（印度尼西亚大学）；Detik Network（Detik网络）；AI Singapore（新加坡AI）；Chulalongkorn University（朱拉隆功大学）；Capital One
针对现有闲聊数据集忽略文化细微差异的问题，研究推出SEADialogues，一个涵盖东南亚六国八种低资源语言、包含角色属性与文化话题的多轮对话数据集，以推动文化感知且以人为本的大型语言模型研究。
2025-08-09 cs.AI cs.CL
Terminal-Bench-LILT: Multilingual Agentic Coding Benchmark Grounded in Language, Region, and Culture
LILT, Inc.（LILT公司）
本文提出Terminal-Bench-LILT多语言编码基准，含10种语言300个任务，评估6个前沿模型发现其通过率仅63.1%，凸显多语言编码能力是未被充分探索的维度。
2026-09-01 cs.AI cs.CL
Simorgh at SemEval-2026 task 7: Region-Aware Hybrid Retrieval for Low-Resource Cultural Reasoning in Multilingual Question Answering
University of Tabriz（塔布里兹大学）
提出区域感知混合检索方法，结合BM25和稠密语义相似度与区域加权启发式，以提升多语言文化问答的跨语言稳定性。
2026-05-26 cs.CL
MAKIEval: A Multilingual Automatic WiKidata-based Framework for Cultural Awareness Evaluation for LLMs
本文提出基于Wikidata的多语言自动评估框架MAKIEval，通过四个指标评估LLMs在13种语言、19个国家和地区及6个文化主题上的文化意识，发现模型在英语中表现更强。
2025-09-22 cs.CL
Macaron: Controlled, Human-Written Benchmark for Multilingual and Multicultural Reasoning via Template-Filling
MBZUAI；Meta；Capital One
Macaron通过模板填充方法构建多语言多文化推理基准，包含11862个实例，涵盖20个国家文化背景、10种文字体系和20种语言方言，评估了21种多语言大模型的推理能力，发现文化相关数学和计数模板最难。
2026-04-20 cs.CL
CulturALL: Benchmarking Multilingual and Multicultural Competence of LLMs on Grounded Tasks
Alibaba Group（阿里巴巴集团）；Beijing Language and Culture University（北京语言大学）；LMU Munich（慕尼黑大学）；ELLIS Institute Finland（芬兰ELLIS研究所）；University of Turku（图尔库大学）；IBM Research AI, UAE（阿联酋IBM人工智能研究）；MBZUAI；Harbin Institute of Technology, Shenzhen（深圳哈尔滨工业大学）；Southern University of Science and Technology（南方科技大学）
本文提出 CulturALL 基准测试，评估 LLM 在 grounded 任务中的多语言和多文化能力，包含 14 种语言 51 个地区 16 个主题的 2610 个样本，实验显示最佳 LLM 准确率仅 44.48%。
2026-04-21 cs.AI cs.CL
Lessons from Natural Language Inference in the Clinical Domain
University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校）；IBM Almaden Research Center（IBM阿尔马登研究中心）
使用深度神经网络的现有技术模型在学习从输入到输出的准确映射方面已经变得非常好。然而，他们仍然缺乏泛化能力，在不同的条件下遇到的培训。这在训练数据有限的专业化和知识密集型领域中甚至更具挑战性。为了解决这一差距，我们引入了MedNLI -一个由医生注释的数据集，执行自然语言推理任务（NLI），以患者的病史为基础。我们提出的战略是：1）利用来自开放领域（例如SNLI）的数据集的迁移学习，以及2）结合来自外部数据和词汇源（例如医学术语）的领域知识。我们的研究结果表明，使用这两种策略的性能增益。
2018-08-27 cs.CL
M$^{3}$D: A Multimodal, Multilingual and Multitask Dataset for Grounded Document-level Information Extraction
Wuhan University（武汉大学）；National University of Singapore（新加坡国立大学）
针对现有数据集忽视视频多模态和细粒度视觉定位的问题，构建了多模态多语言多任务数据集M$^{3}$D，并提出含去噪特征融合与缺失模态构建模块的分层模型，在英中数据集上取得约53.8%的平均性能。
2024-12-15 cs.CL
Multilingual Vision-Language Models, A Survey
Faculty of Mathematics and Physics, Charles University, V Holešovičkách 747/2, Prague, Czech Republic（数学与物理系，查尔斯大学，V Holešovičkách 747/2，布拉格，捷克共和国）
本文综述了处理多语言文本和图像的视觉-语言模型，分析了语言中立性与文化意识之间的矛盾，指出对比学习在训练中的主导地位及文化适应性的数据依赖性。
2026-05-13 cs.CL
Compositional Generalization in Multilingual Semantic Parsing over Wikidata
University of Copenhagen（哥本哈根大学）
语义解析（SP）允许人类通过自然交互来利用大量的知识资源。然而，解析器大多是针对英语资源设计和评估的，例如CFQ（Keysers等人，2020），目前的标准基准基于从语法规则生成的英语数据，并面向Freebase，一个过时的知识库。我们提出了一种方法，用于创建一个多语言的，并行的数据集的问题查询对，接地在维基数据。我们引入这样一个数据集，我们称之为多语言组成维基数据问题（MCWQ），并使用它来分析组成的概括语义分析器在希伯来语，卡纳达语，中文和英文。虽然语言内泛化在不同语言之间是可比的，但zero-shot跨语言迁移的实验表明，跨语言合成泛化失败，即使使用最先进的预训练多语言编码器也是如此。此外，我们的方法，数据集和结果将有助于未来的研究SP在更现实和更多样化的设置比已经可能与现有资源。
2022-05-31 cs.CL
Lessons in co-creation: the inconvenient truths of inclusive sign language technology development
HU University of Applied Sciences（HU应用科学大学）；European Union of the Deaf（欧洲聋人联盟）
本文通过两个Horizon 2020手语机器翻译项目的反思性案例研究，剖析手语技术共创的实践问题，提出五条让共创落地的经验，为面向少数语言与残障群体的参与式AI开发提供参考。
2025-11-13 cs.CL
Ansari: A Retrieval-Grounded Islamic AI Assistant -- Architecture, Deployment, and Lessons from 140,000 Conversations
本研究推出基于检索的伊斯兰AI助手Ansari，其经多平台部署后处理14万次跨语言对话，在IslamicMMLU等基准中表现优异，为信仰敏感型LLM部署提供了经验。
2026-08-24 cs.AI cs.CL cs.CY
Measuring Semantic Abstraction of Multilingual NMT with Paraphrase Recognition and Generation Tasks
Department of Digital Humanities / HELDIG（数字人文系 / HELDIG）；University of Helsinki（赫尔辛基大学）
在本文中，我们研究了多语言神经翻译模型是否比双语模型学习更强的句子语义抽象。我们通过测量这些模型在应用于源语言的释义时的困惑度来测试这一假设。直觉是，如果解码器能够识别同一语言中的同义句，即使模型从未受过训练，编码器也会产生更好的表示。在我们的设置中，我们将16种不同的辅助语言添加到双向双语基线模型（英语-法语）中，并使用英语的域内和域外释义对其进行测试。结果表明，在每一种情况下，困惑都显着减少，这表明意义可以在翻译中扎根。这是进一步支持的释义生成的研究，我们也包括在论文的最后。
2019-05-03 cs.CL
OASIS: A Multilingual and Multimodal Dataset for Culturally Grounded Spoken Visual QA
Qatar Computing Research Institute（卡塔尔计算研究 institute）
OASIS是一个多语言多模态数据集，涵盖图像、文本和语音，旨在评估模型在现实场景中的文化导向推理能力，包含0.92M真实图像和14.8M问答对。
2026-05-12 cs.AI cs.CL
Scaling, Simplification, and Adaptation: Lessons from Pretraining on Machine-Translated Text
Samsung R&D Institute Philippines（三星菲律宾研发院）
本文通过将英语机器翻译为印尼语和泰米尔语并预训练GPT-2模型，研究了MT衍生数据的扩展性、源端简化的影响及对母语文本的适应能力，发现MT预训练模型可从扩展和适应中获益，但源端简化有害，且文化敏感任务仍需更多母语数据。
2025-09-22 cs.AI cs.CL
The Art of Asking: Multilingual Prompt Optimization for Synthetic Data
本文提出提示空间优化框架，通过自然性、文化适应和难度增强转换多语言提示，显著提升模型在多语言基准上的性能，实现更稳健且具文化根基的LLM。
2025-10-22 cs.CL
MADE: Beyond Scoring via a Multilingual Agentic Diagnosing Engine for Fine-Grained Evaluation Insights
Huawei（华为）
提出MADE多语言智能诊断引擎，将评估后分析分解为规划、聚合分析、实例检查、多语言文化反思和报告合成，在33个模型族、11个基准、26种语言等大规模设置下，诊断报告质量提升47%，专家偏好率达87.9%。
2026-06-05 cs.CL
CultureConverse: A Multilingual Multi-turn Simulation Harness for Culturally Grounded Assistance in East and Southeast Asia
Singapore University of Technology and Design (SUTD)（新加坡科技设计大学）；Agency for Science, Technology and Research (A*STAR)（新加坡科技研究局）；École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院）；Microsoft Research Asia (MSRA)（微软亚洲研究院）；Sungkyunkwan University (SKKU)（成均馆大学）；Universiti Brunei Darussalam (UBD)（文莱大学）；China University of Petroleum (East China)（中国石油大学（华东））；Nanyang Technological University (NTU)（南洋理工大学）；Kyoto University（京都大学）；Konkuk University（建国大学）；Upstage AI
本研究推出CultureConverse多语言多轮模拟工具包，构建含14610个基准回合的数据集，评估18个模型发现GPT-5 mini表现最优，微调后模型在文化相关任务上性能提升。
2026-09-30 cs.CL cs.CY
Bias in, Bias out: Annotation Bias in Multilingual Large Language Models
Manchester Metropolitan University（曼彻斯特 Metropolitan 大学）；Hubei University（湖北大学）
该研究针对多语言大语言模型开发中的标注偏差问题，提出分类框架，梳理检测方法与新兴技术，给出缓解策略，还贡献了偏差类型学、检测指标综述、适配多语言的集成缓解方法及伦理分析，助力构建公平且贴合文化的标注流程。
2025-11-18 cs.CL
IndicSafe: A Benchmark for Evaluating Multilingual LLM Safety in South Asia
Oracle America Inc.（Oracle美洲公司）
本文提出IndicSafe基准，评估12种南亚语言中LLM的安全性，发现跨语言一致性仅12.8%，安全率波动超17%，揭示多语言LLM安全泛化缺口。
2026-05-15 cs.AI cs.CL
Got Compute, but No Data: Lessons From Post-training a Finnish LLM
Silo AI（西罗人工智能公司）；University of Turku（图尔库大学）；TurkuNLP（图尔库自然语言处理实验室）
本文研究了低资源语言芬兰语的LLM后训练方法，通过翻译英语数据并结合双语指令微调与偏好优化，证明仅需几百条芬兰语样本即可实现有竞争力的指令遵循性能。
2025-03-12 cs.CL
Bootstrapping Disjoint Datasets for Multilingual Multimodal Representation Learning
Tilburg University（蒂尔堡大学）；University of Copenhagen（哥本哈根大学）
最近的工作突出了联合学习多种语言的基础句子表示的优势。然而，这些研究中使用的数据仅限于一个对齐的场景：用多种语言的句子注释相同的图像。我们专注于更现实的不相交的情况下，在多语言图像-标题数据集的图像之间没有重叠。我们证实，对齐数据的训练结果比不相交数据的训练更好地接地句子表示，以图像-句子检索性能为衡量标准。为了缩小这一差距的性能，我们提出了一个pseudopairing方法来生成合成对齐的英语-德语-图像三胞胎从不相交的集合。该方法的工作原理是首先在不相交的数据上训练一个模型，然后在学习的模型下使用句子相似度在数据集上创建新的三元组。实验表明，尽管不需要外部数据或模型，但与不相交训练相比，伪空气提高了图像-句子检索性能。然而，我们确实发现，使用外部机器翻译模型来生成合成数据集会产生更好的性能。
2019-11-09 cs.CL cs.CV
Purdah and Patriarchy: Evaluating and Mitigating South Asian Biases in Open-Ended Multilingual LLM Generations
George Mason University（乔治·马歇尔大学）
本研究针对南亚多语种LLM评估中文化交叉偏见被忽略的问题，构建涵盖多维度的文化偏见词典，分析10种南亚语言生成内容中的父权制相关偏见，并验证两种自我去偏见策略的效果，拓展了文化偏见研究的视角与范围。
2026-05-06 cs.CL
XTREME-R: Towards More Challenging and Nuanced Multilingual Evaluation
DeepMind（深度思维）；Google Research（谷歌研究院）；Fudan University（复旦大学）；Carnegie Mellon University（卡内基梅隆大学）
在过去的一年里，机器学习在多语言自然语言处理能力方面取得了惊人的进步。例如，最新的技术已经将XTREME多语言基准测试的最新性能提高了13个点以上。虽然与人类水平的表现仍然存在相当大的差距，但在某些任务中比在其他任务中更容易实现改进。本文分析了跨语言迁移学习的现状，并总结了一些经验教训。为了促进有意义的进展，我们将XTREME扩展到XTREME-R，它由一组改进的10个自然语言理解任务组成，包括具有挑战性的语言不可知检索任务，并涵盖50种类型学上不同的语言。此外，我们还提供了一个大规模的多语言诊断套件（MultiCheckList），并通过交互式公共排行榜提供细粒度的多数据集评估功能，以更好地了解这些模型。XTREME-R的排行榜和代码将分别在https://sites.research.google/xtreme和https://github.com/google-research/xtreme上提供。
2021-10-07 cs.AI cs.CL
Cross-lingual Word Embeddings beyond Zero-shot Machine Translation
Uppsala University（乌普萨拉大学）；Dep. of Linguistics and Philology（语言学与文献学系）
我们探讨了多语言神经机器翻译模型的可移植性，看不见的语言时，转移是完全基于跨语言的词嵌入。我们的实验结果表明，翻译知识可以弱迁移到其他语言，可迁移的程度取决于语言的相关性。我们还讨论了导致弱翻译传输的多语言架构的限制方面，并建议如何减轻限制。
2020-11-03 cs.CL
CRaFT: An Explanation-Based Framework for Evaluating Cultural Reasoning in Multilingual Language Models
CRaFT是一个基于解释的多语言评估框架，通过文化流畅度等四个指标评估LLM跨文化推理，发现文化意识依赖语言框架而非固有。
2025-10-15 cs.CL
Lessons learned from the evaluation of Spanish Language Models
University of the Basque Country UPV/EHU（巴斯克大学UPV/EHU）；HiTZ Center - Ixa（HiTZ中心-Ixa）
本文对西班牙语语言模型进行全面对比，发现大公司多语言模型优于单语模型，且单语模型间结果不具决定性，指出构建更优西班牙语单语模型仍需深入研究语料规模、质量与预训练技术。
2023-09-22 cs.AI cs.CL
Why Low-Resource NLP Needs More Than Cross-Lingual Transfer: Lessons Learned from Luxembourgish
SnT, University of Luxembourg（卢森堡大学SnT学院）；Luxembourg Institute of Science and Technology（卢森堡科学技术研究院）
本文探讨了低资源语言处理中跨语言迁移与语言特定努力的互补性，指出两者需结合以构建可持续的NLP流程。
2026-05-11 cs.AI cs.CL
