《多语言模型中跨语言一致性增强方法的系统评估》
本研究对多语言模型中跨语言一致性增强方法进行了统一评估，涵盖推理干预与后训练方法。结果显示，直接分布对齐方法在所有模型 - 数据集组合中均能提升跨语言一致性，而其他方法受答案格式和语言覆盖广度影响较大；跨域迁移效果有限，除非源任务和目标任务的输出格式相似。在文化多样性问答基准测试中，未发现控制式闭形式评估的系统性下降，但开放式生成显示非英语回答偶尔出现准确率降低。
摘要由 AI 生成
2026 年 9 月 7 日，arXiv cs.CL 发布一篇题为《A Systematic Evaluation of Cross-Lingual Consistency Enhancement Methods in Multilingual Language Models》的论文。该研究对多语言语言模型中的跨语言一致性增强方法进行了系统性评估。
相关事件RELATED EVENTS