PolyMath: Evaluating Mathematical Reasoning in Multilingual Contexts
Qwen Team, Alibaba Group（阿里集团Qwen团队）；Shanghai Jiao Tong University（上海交通大学）
本文提出涵盖18种语言和4个难度级别的多语言数学推理基准PolyMath，评估发现先进LLM在多语言推理中存在表现差异大、输入输出语言一致性低及思考长度不同等挑战，并指出控制输出语言可影响推理性能。
2025-11-02 cs.CL
Multilingual Reasoning Cascades Need More Context
提出上下文感知翻译级联方法，在最终翻译模块的上下文中保留原始问题、英文翻译问题和推理链，以改善多语言推理中的信息丢失，实验表明该方法在多种语言和模型上显著提升开放生成性能。
2026-10-20 cs.CL
Language Matters: How Do Multilingual Input and Reasoning Paths Affect Large Reasoning Models?
Appier AI Research（Appier人工智能研究院）；University of Washington（华盛顿大学）；National Taiwan University（台湾国立大学）
本研究探讨大型推理模型在多语言输入下的推理语言选择，发现其默认使用高资源语言，且输入语言推理会降低推理任务性能但有益于文化任务，揭示了语言偏见，为开发更公平模型提供方向。
2025-05-23 cs.CL
Making Monolingual Sentence Embeddings Multilingual using Knowledge Distillation
Technische Universität Darmstadt（达姆施塔特工业大学）
我们提出了一个简单而有效的方法来扩展现有的句子嵌入模型到新的语言。这允许从以前的单语模型创建多语言版本。训练基于这样的想法，即翻译的句子应该映射到向量空间中与原始句子相同的位置。我们使用原始的（单语）模型来生成源语言的句子嵌入，然后在翻译的句子上训练一个新的系统来模仿原始模型。与其他训练多语言句子嵌入的方法相比，这种方法有几个优点：很容易将现有的模型与相对较少的样本扩展到新的语言，更容易确保向量空间的期望属性，并且训练的硬件要求较低。我们证明了我们的方法对来自不同语系的50多种语言的有效性。将句子嵌入模型扩展到400多种语言的代码是公开的。
2020-10-05 cs.CL
Multilingual Test-Time Scaling via Initial Thought Transfer
IIT Delhi（德里印度理工学院）
该研究首次系统探究多语言场景下的测试时缩放，发现不同语言增益差异大且模型易中途转英语，进而提出无监督轻量的MITT前缀调优方法，迁移高资源推理前缀提升各语言尤其是低资源语言的推理性能。
2025-05-21 cs.CL
Moral Reasoning Across Languages: The Critical Role of Low-Resource Languages in LLMs
Imperial College London（伦敦帝国学院）；North China Electric Power University（华北电力大学）；Sun Yat-sen University（中山大学）
本文提出MMRB基准评估LLMs跨语言道德推理能力，发现低资源语言在复杂上下文中性能下降更显著，且对多语言推理影响更强，凸显其关键作用。
2025-04-28 cs.CL
Beyond Input Understanding: Diagnosing Multilingual Mathematical Reasoning with Directed Acyclic Trace Graphs
Southwest University（西南大学）；LMU Munich（慕尼黑莱茵-瓦尔德大学）；MCML
本文提出有向无环迹图（DATG）框架，通过将推理迹映射到与语言无关的数学锚点和依赖关系，诊断多语言数学推理中的语言影响，并设计Loop-Retry和Formula-Retry两种测试时控制方法改善低资源语言性能。
2026-10-20 cs.CL
Think in English, Answer in Korean: Efficient Adaptation of Multilingual Tool-Using Agents
Cohere；LG CNS
提出LuckyStar 111B混合推理模型，通过多语言监督微调、可验证奖励强化学习、语言一致性奖励和4-bit量化，高效适配多语言工具使用智能体，提升数学推理、函数调用和NL2SQL性能。
2026-07-01 cs.AI cs.LG
M-MiniGPT4: Multilingual VLLM Alignment via Translated Data
MBZUAI（穆罕默德·本·扎耶德人工智能大学）；KAUST（阿卜杜拉国王科技大学）
本文提出M-MiniGPT4多语言视觉大语言模型，通过混合原生多语言和翻译数据提升MiniGPT4的多语言视觉理解能力，并引入多语言对齐训练阶段，使模型在多语言MMMU基准测试中达到36%的准确率。
2026-03-31 cs.AI cs.CL
Learning to Translate for Multilingual Question Answering
Comcast Labs（康卡斯特实验室）；Raytheon BBN Technologies（雷神BBN科技公司）
在多语言问答中，需要将问题翻译成文档语言，或者反之亦然。除了方向之外，还有多种方法可以执行翻译，本文将探讨其中的四种方法：基于单词的，10最佳的，基于上下文的和基于语法的。我们为每个翻译方向和方法的组合构建一个特征，并训练一个学习最佳特征权重的模型。在一个由英语、阿拉伯语和中文帖子组成的大型论坛数据集上，我们新颖的学习翻译方法比强基线更有效（p<0.05）：将所有文本翻译成英语，然后仅基于英语（原始或翻译）文本训练分类器。
2016-09-26 cs.AI cs.CL
Translate & Fill: Improving Zero-Shot Multilingual Semantic Parsing with Synthetic Data
Google Research（谷歌研究院）
虽然在单一语言上微调的多语言预训练语言模型（LM）已经显示出大量的跨语言任务传输能力，但当目标语言监督可用时，在语义解析任务中仍然存在很大的性能差距。在本文中，我们提出了一种新的翻译和填充（TaF）方法产生银训练数据的多语言语义分析器。该方法简化了流行的翻译对齐项目（TAP）管道，并由一个序列到序列的填充模型，构建一个完整的解析条件的话语和相同的解析视图。我们的填充器仅在英语数据上进行训练，但可以准确地完成其他语言的实例（即，英语训练话语的翻译）。在三个多语种语义解析数据集上的实验结果表明，与传统对齐技术相比，TaF的数据增强具有竞争力的准确率。
2021-09-09 cs.AI cs.CL cs.LG
Is It Good Data for Multilingual Instruction Tuning or Just Bad Multilingual Evaluation for Large Language Models?
University of Edinburgh（爱丁堡大学）；Northeastern University（东北大学）；Tsinghua University（清华大学）
本研究探讨多语言大模型微调与评估中过度依赖翻译带来的问题，发现母语或生成基准能揭示母语与翻译指令数据的显著差异，并证明正则化有助于在结构化任务上弥合此差距。
2024-09-26 cs.AI cs.CL
One Model to Translate Them All? A Journey to Mount Doom for Multilingual Model Merging
Indian Institute of Technology Patna（印度理工学院巴特那分校）
本文研究了多语言机器翻译中权重空间模型融合的行为，发现融合会降低性能，尤其在目标语言差异时。通过分析内部表示发现语言特定神经元集中在嵌入层和上层Transformer块，而中间层在多语言间共享。细调使语言选择性重新分布，影响生成层的表示差异。
2026-09-04 cs.AI cs.CL
Do Multilingual Language Models Think Better in English?
HiTZ Center（HiTZ中心）；University of the Basque Country UPV/EHU（巴斯克大学UPV/EHU）；Reka AI（Reka人工智能公司）
本研究提出self-translate方法，利用多语言语言模型自身的少样本翻译能力替代外部翻译系统，在5个任务上始终优于直接推理，证明模型在非英语提示下无法充分发挥多语言潜力。
2023-08-02 cs.AI cs.CL cs.LG
The Best of Both Worlds: Combining Human and Machine Translations for Multilingual Semantic Parsing with Active Learning
Monash University（莫纳什大学）
提出一种结合人工与机器翻译的主动学习方法，通过聚合获取标准迭代选择话语进行人工翻译，显著降低翻译误差与偏差，提升多语言语义解析器准确率。
2023-05-22 cs.AI cs.CL
Multilingual Multimodal Learning with Machine Translated Text
Wuhan University of Science and Technology（武汉科技大学）；University Politehnica of Bucharest（布加勒斯特理工大学）；University of Copenhagen（哥本哈根大学）；Pioneer Centre for AI（人工智能先锋中心）
大多数视觉和语言训练前的研究集中在英语任务。然而，创建多语言多模态评估数据集（例如Multi 30 K，xGQA，XVNLI和MaRVL）在寻找多语言和多模态的高质量训练数据方面提出了新的挑战。在本文中，我们探讨机器翻译英语多模态数据是否可以有效地代理缺乏现成的多语种数据。我们称这个框架为TD-MML：多语言多模态学习的翻译数据，它可以应用于任何多模态数据集和模型。我们使用最先进的模型将其应用于预训练和微调数据。为了防止模型从低质量的翻译文本中学习，我们提出了两个指标，用于自动从结果数据集中删除此类翻译。在IGLUE基准测试中，我们对20种语言的5个任务进行了实验，结果表明，翻译后的数据可以为多语言多模态学习提供有用的信号，无论是在预训练还是微调方面。
2022-10-24 cs.CL cs.CV
What Makes Good Multilingual Reasoning? Disentangling Traces with Measurable Features
University of Maryland（马里兰大学）；Johns Hopkins University（约翰霍普金斯大学）
本文通过定义可测量的推理特征，研究多语言环境下有效推理的特征，并发现这些特征在不同语言中的关联强度差异显著，挑战了以英语为中心的奖励设计。
2026-09-22 cs.AI cs.CL
Multilingual Answer Sentence Reranking via Automatically Translated Data
Amazon Alexa AI（亚马逊Alexa人工智能部门）
本文研究了现代问答系统的核心部分--多语言答案句选择模型的设计。主要思想是传输从一种资源丰富的语言创建的数据，例如，英语，相对于其他语言，在资源方面较不丰富。本文的主要发现是：（i）翻译成目标语言的AS 2的训练数据可以用于有效地微调该语言的基于transformer的模型;（ii）一个多语言Transformer模型足以对多种语言的答案进行排名;以及（iii）混合语言问题/答案对可以用于微调模型以从任何语言选择答案，输入的问题只有一种语言这大大降低了多语言QA系统的复杂性和技术要求。我们的实验验证了上述发现，相对于最先进的英语模型，显示出适度的下降，最多3%。
2021-02-20 cs.CL
EMCEE: Improving Multilingual Capability of LLMs via Bridging Knowledge and Reasoning with Extracted Synthetic Multilingual Context
Yonsei University（延世大学）
提出EMCEE框架，通过从LLM自身提取并融合语言特定知识，结合推理输出，显著提升多语言任务性能，尤其在低资源语言上平均提升31.7%。
2026-05-29 cs.AI cs.CL
Scaling Multilingual Safety and Reasoning Evaluation through Reasoning-Guided Translation
Jožef Stefan Institute（约瑟夫·斯蒂芬研究所）
本研究提出推理引导的翻译框架，构建覆盖11种语言的多语言评估集合，发现开源LLMs存在语言依赖型漏洞，强调任务敏感型基准构建的重要性。
2026-10-15 cs.AI cs.CL
Aligning Multilingual Reasoning with Verifiable Semantics from a High-Resource Expert Model
Zoom
针对大语言模型推理能力多语言差距问题，提出基于枢轴的语义可验证奖励强化学习框架，借助英语高资源模型迁移推理能力，显著提升多语言推理性能。
2025-09-29 cs.AI cs.CL
MultiNRC: A Challenging and Native Multilingual Reasoning Evaluation Benchmark for LLMs
Scale AI
本文提出 MultiNRC 原生多语言推理基准，含千余道法语、西班牙语和中文文化根植问题，并评估 14 个 LLM，揭示其原生推理与跨文化数学能力仍不足。
2025-07-23 cs.AI cs.CL
Index-Translate: A Multilingual Translation Model Family -- Text, Speech, Controlled Dubbing, and Long-Document Translation
Index LLM Team（Index LLM 团队）
Index-Translate是一个多语言翻译模型家族，通过共享基础与专门训练结合，在通用、语音、配音和长文档翻译上达到前沿性能。
2026-10-14 cs.CL
Eliciting Better Multilingual Structured Reasoning from LLMs through Code
University of Pennsylvania（宾夕法尼亚大学）；AI Labs（AI实验室）
本文提出xSTREET多语言推理数据集，并通过代码注释增强训练和代码原语提示推理两种方法，有效缩小了LLM在非英语推理任务上的性能差距。
2024-06-12 cs.AI cs.CL
AdaMCoT: Rethinking Cross-Lingual Factual Reasoning through Adaptive Multilingual Chain-of-Thought
本文提出AdaMCOT框架，通过动态路由中间'思考语言'中的推理过程提升多语言事实推理能力，实验表明在低资源语言中表现显著提升。
2026-04-14 cs.AI cs.CL
Multilingual Reasoning Gym: Multilingual Scaling of Procedural Reasoning Environments
Apple（苹果公司）；Hasso Plattner Institute & ELLIS Unit Potsdam（霍普夫研究所与波茨坦ELLIS单元）
Multilingual Reasoning Gym通过多语言程序化生成可验证推理问题，支持跨语言大规模数据生成和强化学习研究。
2026-03-11 cs.CL
Found in Translation: Measuring Multilingual LLM Consistency as Simple as Translate then Evaluate
Kahlert School of Computing University of Utah（卡勒特计算学院犹他大学）
本文提出基于“翻译后评估”策略的跨语言一致性评估框架，从信息与同理心两个维度测量LLM在30种语言中的响应一致性，揭示了流行模型在多语言能力上的显著缺陷。
2025-05-28 cs.CL
Common Sense Beyond English: Evaluating and Improving Multilingual Language Models for Commonsense Reasoning
University of Southern California（南加州大学）；Information Sciences Institute（信息科学研究所）
常识推理的研究迄今仅限于英语。我们的目标是评估和改进流行的多语言语言模型（ML-LM），以帮助推进常识推理（CSR）超越英语。我们收集了米奇语料库，包括11种不同语言的561 k句子，可用于分析和改进ML-LM。我们提出了米奇探测器，一种语言无关的探测任务，用于公平地评估不同语言中流行的ML-LM的常识。此外，我们还创建了两个新的数据集，X-CSQA和X-CODAH，通过将其英文版本翻译为其他15种语言，以便我们可以评估流行的ML-LM跨语言常识推理。为了提高英语以外的性能，我们提出了一种简单而有效的方法--多语言对比预训练（MCP）。它显著增强了句子表示，在两个基准测试中都获得了很大的性能增益。
2021-06-13 cs.AI cs.CL
AdaMame: A Training Recipe for Adaptive Multilingual Reasoning
University of Maryland（马里兰大学）；Johns Hopkins University（约翰霍普金斯大学）
针对多语言推理中的语言崩溃问题，提出两阶段训练方案AdaMame，通过SFT建立多语言能力，再以自适应GRPO优化推理语言对齐，在准确率、语言保真度和令牌效率上达到帕累托最优。
2026-09-22 cs.AI cs.CL
mMARCO: A Multilingual Version of the MS MARCO Passage Ranking Dataset
Univ. of Campinas（坎皮纳斯大学）；NeuralMind（NeuralMind公司）；Zeta Alpha（Zeta Alpha公司）；Univ. of Waterloo（滑铁卢大学）
MS MARCO排名数据集已被广泛用于训练IR任务的深度学习模型，在各种zero-shot场景中取得了相当大的效果。然而，这种类型的资源在英语以外的语言中是稀缺的。在这项工作中，我们提出了mMARCO，MS MARCO通道排名数据集的多语言版本，包括13种语言，使用机器翻译创建。我们通过微调单语和多语言重新排序模型以及该数据集上的多语言稠密检索模型来评估mMARCO。我们还在Mr. TyDi数据集上的zero-shot场景中评估了使用mMARCO数据集进行微调的模型，证明了在我们翻译的数据集上进行微调的多语言模型比仅在原始英文版本上进行微调的模型具有更好的有效性。我们的实验还表明，一个蒸馏的多语言reranker是有竞争力的非蒸馏模型，同时具有5.4倍少的参数。最后，我们显示了翻译质量和检索效果之间的正相关性，提供证据表明，翻译方法的改进可能会导致多语言信息检索的改进。翻译的数据集和微调的模型可在https://github.com/unicamp-dl/mMARCO上获得。
2022-08-17 cs.AI cs.CL
Multilingual LLMs Are Not Multilingual Thinkers: Evidence from Hindi Analogy Evaluation
Mahindra University（马欣德拉大学）；University of Pennsylvania（宾夕法尼亚大学）
本文构建含405题的印地语类比测试集HATS，评估多语言LLM并提出基于认知理论的扎根思维链方法，发现英语提示始终效果最佳。
2025-07-23 cs.AI cs.CL
Leveraging Knowledge in Multilingual Commonsense Reasoning
Microsoft Cognitive Services Research Group（微软认知服务研究组）
常识推理（CSR）要求模型具有普遍的世界知识。虽然企业社会责任是一个与语言无关的过程，但大多数全面的知识来源都是少数几种流行语言，尤其是英语。因此，目前还不清楚如何有效地进行多语言常识推理（XCSR）的各种语言。在这项工作中，我们提出了利用英语知识源通过一个检索检索翻译（TRT）的策略。对于多语种的常识性问题和选择，我们通过翻译和从知识源中检索来收集相关知识。然后将检索到的知识翻译成目标语言，并通过可见的知识注意力集成到预先训练的多语言语言模型中。然后，我们利用4种不同的英语知识来源，以不同的形式提供更全面的知识覆盖。XCSR基准测试的广泛结果表明，具有外部知识的TRT可以显着改善零次（zero-shot）和翻译训练设置中的多语言常识推理，比之前最先进的XCSR基准测试数据集（X-CSQA和X-CODAH）的性能高出3.3和3.6个百分点。
2021-10-16 cs.CL
How and Where to Translate? The Impact of Translation Strategies in Cross-lingual LLM Prompting
Amazon（亚马逊）
该研究针对跨语言RAG系统中知识库与上下文语言不一致的问题，系统评估不同提示翻译策略对RAG增强LLM分类任务的影响，发现优化策略可显著提升跨语言知识共享与下游性能，为低资源语言场景提供优化方向。
2025-07-21 cs.AI cs.CL
LinguaLIFT: An Effective Two-stage Instruction Tuning Framework for Low-Resource Language Reasoning
Institute of Computing and Intelligence, Harbin Institute of Technology（哈尔滨工业大学计算与智能学院）；Peng Cheng Laboratory（鹏城实验室）
本文提出两阶段指令微调框架 LinguaLIFT，通过语言对齐层和语码转换微调，仅用英文数据将推理能力迁移至低资源语言，并构建覆盖48种语言的 MMWP 基准，实验表现优于多个基线。
2025-02-17 cs.AI cs.CL
Breaking Language Barriers in Multilingual Mathematical Reasoning: Insights and Observations
Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；Microsoft（微软公司）
本文构建了首个涵盖十种语言的多语言数学推理指令数据集MGSM8KInstruct，并提出训练策略构建MathOctopus模型，在少样本场景下超越ChatGPT，同时揭示了多语言语料库对提升单语言性能的积极作用。
2024-10-16 cs.AI cs.CL
Multilingual Retrieval-Augmented Generation for Knowledge-Intensive Task
本文研究多语言检索增强生成在开放域问答中的有效性，提出tRAG和MultiRAG方法，发现tRAG覆盖有限，MultiRAG效率高但存在不一致，CrossRAG通过翻译文档到共同语言提升性能。
2025-10-03 cs.AI cs.CL
The Reasoning Lingua Franca: A Double-Edged Sword for Multilingual AI
Nilekani Centre at AI4Bharat（AI4Bharat人工智能中心）；Indian Institute of Technology Madras（印度理工学院马德拉斯分校）；Google（谷歌）；Microsoft（微软）；IT University of Copenhagen（丹麦技术大学）
本研究探讨了大型推理模型在多语言环境下的推理能力，发现英语推理在准确性上表现更优，但可能因翻译错误导致问题，揭示了多语言AI的双刃剑特性。
2026-02-08 cs.AI cs.CL
Using Machine Translation to Augment Multilingual Classification
GumGum（GumGum公司）
本文研究利用机器翻译生成跨语言标注数据以微调多语言分类器，并引入源自图像字幕领域的损失技术缓解翻译数据负面影响，实验证明其可带来性能提升。
2024-05-09 cs.CL
SeaEval for Multilingual Foundation Models: From Cross-Lingual Alignment to Cultural Reasoning
Nanyang Technological University（南洋理工大学）；Institute for Infocomm Research (IR), A*STAR（新加坡科技研究局信息通信研究所）；Centre for Frontier AI Research (CFAR), A*STAR（新加坡科技研究局前沿人工智能研究中心）
本研究提出多语言基础模型基准SeaEval，从语义、多语言脆弱性及文化理解等维度测试开源与闭源模型，发现模型存在指令改写敏感、暴露偏差、多语言表现不一致等问题，为多语言多文化模型研究提供评估基础。
2024-07-11 cs.AI cs.CL
Improving Target-side Lexical Transfer in Multilingual Neural Machine Translation
Language Technologies Institute, Carnegie Mellon University（卡内基梅隆大学语言技术研究所）
为了提高神经机器翻译（NMT）在低资源语言（LRL）上的性能，一个有效的策略是利用相关高资源语言（HRL）的并行数据。然而，已经发现多语言数据对于从LRL翻译成目标语言的NMT模型比翻译成LRL的NMT模型更有益。在本文中，我们的目标是提高多语言传输的NMT模型，翻译\emph{into}的LRL的有效性，通过设计一个更好的解码器词嵌入。扩展的通用多语言编码方法软解耦编码~ \citep{SDE}，我们提出Decompression，一个高效的字符n-gram为基础的嵌入专门设计的NMT解码器。我们的实验表明，Deconstruct在从英语翻译到四种不同语言时，可以获得高达1.8 BLEU的一致收益。
2020-10-04 cs.CL
Multilingual Sentence Embeddings for Linguistic-Integrated Reliability Audit
Boston College（波士顿学院）
研究多语言句子嵌入能否用于语言集成可靠性审计，通过11个PIRLS项目和三个嵌入模型评估，结果显示母语嵌入可紧密再现可靠性估计，恢复被排除回答，可靠性无明显变化。
2026-07-21 cs.AI cs.CL
Multilingual Pretraining Using a Large Corpus Machine-Translated from a Single Source Language
University College London（伦敦大学学院）；Together AI；University of Waterloo（滑铁卢大学）；National Institute of Informatics（情报信息研究所）
本研究利用机器翻译将高质量英语数据集FineWeb-Edu扩展为多语言语料TransWeb-Edu，并训练13亿参数的CuatroLLM，在多个非英语推理任务上以更少数据超越现有最先进模型，并开源全部资源。
2024-11-06 cs.CL
On Evaluating Multilingual Compositional Generalization with Translated Datasets
University of Copenhagen（哥本哈根大学）
本研究通过构建基于规则的MCWQ-R多语言翻译数据集，评估跨语言组合泛化，发现语言差异导致组合分布受损，多语言模型跨语言泛化仍具挑战。
2023-06-20 cs.CL
A Survey of Multilingual Reasoning in Language Models
Indian Institute of Technology Patna（印度理工学院帕纳巴分校）；University of Virginia（弗吉尼亚大学）
本文首次系统综述语言模型中的多语言推理，梳理方法、数据、基准与挑战，并展望提升跨语言复杂推理能力的未来方向。
2025-10-14 cs.CL
MAPO: Advancing Multilingual Reasoning through Multilingual Alignment-as-Preference Optimization
Nanjing University（南京大学）
针对大语言模型因训练数据不平衡导致的多语言推理能力不一致问题，提出MAPO框架，以翻译模型保障的跨语言答案一致性为偏好进行优化，显著提升多基准下的多语言推理表现与跨语言一致性。
2024-04-13 cs.CL
SLAM: Towards Efficient Multilingual Reasoning via Selective Language Alignment
Northeastern University（东北大学）；NiuTrans Research（NiuTrans研究院）；Harbin Institute of Technology（哈尔滨工业大学）；Meituan Inc.（美团公司）；Nanjing University（南京大学）
针对多语言推理全参数两阶段训练成本高且易遗忘的问题，本文提出 SLAM，仅微调低层中负责语言表示的 6 个前馈子层，在 10 种语言上以更少参数和更短训练时间超越强基线。
2025-01-07 cs.AI cs.CL
Multilingual Medical Reasoning for Question Answering with Large Language Models
HiTZ Center - Ixa, University of the Basque Country EHU（HiTZ中心 - Ixa，巴斯克大学EHU）
本文提出基于维基百科医疗知识生成多语言推理轨迹的方法，通过检索增强生成技术生成英文、意大利语和西班牙语的50万条轨迹，提升医疗问答性能，达到8B参数模型的最新水平。
2026-09-02 cs.AI cs.CL
Why Do Multilingual Reasoning Gaps Emerge in Reasoning Language Models?
Graduate School of Artificial Intelligence, POSTECH（浦项工业大学人工智能研究生院）；Agentic AI Lab, KT（KT公司Agentic AI实验室）；Department of Computer Science and Engineering, POSTECH（浦项工业大学计算机科学与工程系）
本文探讨了多语言推理模型中存在多语言推理差距的原因，发现语言理解失败是主因，并提出Selective Translation策略有效缓解了这一问题。
2026-04-13 cs.AI cs.CL cs.LG
M3Kang: Evaluating Multilingual Multimodal Mathematical Reasoning in Vision-Language Models
Qualcomm AI Research（高通人工智能研究）
M3Kang是一个大规模多语言多模态数学推理数据集，用于评估视觉-语言模型在多语言数学推理中的表现，通过基准测试揭示模型在基础数学和图表推理上的不足，并展示多语言技术在多模态设置中的有效性。
2026-01-03 cs.AI cs.CL
Multilingual Language Model Pretraining using Machine-translated Data
Centre for Artificial Intelligence, University College London（伦敦大学学院人工智能中心）；Together AI；Mila, McGill University（米拉-麦吉尔大学）；Research and Development Center for Large Language Models, National Institute of Informatics（国立信息学研究所大语言模型研发中心）
本文提出将高质量英文数据集FineWeb-Edu机器翻译为九语构建TransWebEdu，并预训练TransWebLLM，以更少数据在多项非英语推理任务上达到或超越现有强模型。
2025-02-18 cs.CL
Science Across Languages: Assessing LLM Multilingual Translation of Scientific Papers
Department of Electrical Engineering, Stanford University（电气工程系，斯坦福大学）
本研究针对英文期刊给非英语母语研究者造成的障碍，提出保留JATS XML格式的LLM科学论文多语言翻译方法，通过新型QA基准和用户研究验证了高准确性，并展示了用上下文学习缓解过度翻译的可行性。
2025-09-04 cs.AI cs.CL
Distillation for Multilingual Information Retrieval
Johns Hopkins University（约翰斯·霍普金斯大学）
本文提出多语言Translate-Distill（MTD）方法，将Translate-Distill扩展至多语言信息检索，使ColBERT-X能对多语言文档分配可比相关性分数，并在nDCG@20和MAP上显著超越此前的Multilingual Translate-Train方法。
2024-05-02 cs.CL cs.IR
Learn Globally, Speak Locally: Bridging the Gaps in Multilingual Reasoning
Massachusetts Institute of Technology（麻省理工学院）；Havard Univeristy（哈佛大学）；LG CNS；Université de Montréal（蒙特利尔大学）；Mila（米拉研究所）；Google（谷歌）；Stanford University（斯坦福大学）
本文提出M2A方法，通过多尺度对齐与语言一致性奖励提升多语言推理，并引入GeoFact-X基准，显著增强低资源语言推理保真度。
2025-09-26 cs.AI cs.CL cs.LG
Evaluating Multilingual and Code-Switched Alignment in LLMs via Synthetic Natural Language Inference
Texas A\&M University, College Station, TX., USA（德克萨斯大学）；Hamad Bin Khalifa University, Doha, Qatar（哈马德·本·卡伊夫大学）
针对大语言模型跨语言逻辑对齐能力未充分探索的问题，提出合成逻辑型NLI对并翻译至多语言的受控评估框架，发现语码转换不降低甚至提升性能，为多语言鲁棒性研究提供新视角与工具。
2025-08-20 cs.AI cs.CL
