研究发现，大型语言模型通过提示语境提高了数字本地化能力

研究人员分析了五个大型语言模型（LLMs）的数字本地化能力，重点关注它们处理时间、数字和日期而非直接翻译的能力。研究发现，将本地化原则嵌入提示语境能显著提高被测LLMs的准确性，这一发现与Tang等人（2025）之前的研究结果形成对比。事实证明，这种方法比直接翻译或其他测试策略更能有效提高数字准确性。 AI

影响 这项研究表明，提示语工程可以显著提高LLMs在数字本地化任务中的准确性，这可能会影响开发人员如何针对特定的本地化需求微调模型。

排序理由 该集群包含一篇发表在arXiv上的研究论文，详细分析了LLMs的能力。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• Connected Papers
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• Influence Flower
• Litmaps
• ScienceCast
• scite Smart Citations
• Tang et. al.

• 论文
• 模型发布

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