PulseAugur
中
实时 07:36:36
English(EN) Lost in the Tower of Babel: The Adverse Effects of Incidental Multilingualism in LLMs

大型语言模型（LLM）的多语言能力是附带的，导致性能不均且脆弱

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇新论文认为，当前的大型语言模型（LLM）是通过海量、不均衡的网络数据偶然获得多语言能力的，而非通过有意设计来实现多语言能力。这种“附带多语言能力”导致跨语言的性能不均、脆弱且不透明，在实际应用中存在风险。作者们提议转向“设计驱动的多语言能力”，将公平的性能、文化根基和跨语言理解作为核心目标。 AI

影响 强调了由于附带多语言能力而在代理部署中可能存在的风险，呼吁在跨语言人工智能开发中采取更审慎的方法。

排序理由 这是一篇发表在arXiv上的研究论文，讨论了当前LLM在多语言方面的局限性。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

大型语言模型（LLM）的多语言能力是附带的，导致性能不均且脆弱

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
这是一篇发表在arXiv上的研究论文，讨论了当前LLM在多语言方面的局限性。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, safety
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
115 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Anjishnu Mukherjee, Chutong Meng, Antonios Anastasopoulos ·

    迷失在巴别塔：LLM偶然多语言的负面影响

    arXiv:2605.01224v1 Announce Type: new Abstract: This paper argues that contemporary multilingual NLP has converged on a fragile and misleading paradigm of incidental multilingualism. Today's LLMs appear multilingual largely because they are trained on massive, uneven web corpora,…

相关实体

相关话题