研究人员调查了大型语言模型如何处理使用多种书写系统的语言，发现模型通常通过共享的潜在表征来传递信息。他们的分析显示，同一种语言的不同书写系统在模型层级上变得更加可分离，并且简单的定向输入可以在保持含义的同时改变输出的书写系统。该研究还识别了调解书写系统选择的特定注意力头，表明这些机制是语言无关的，并倾向于拉丁字母。 AI
影响 揭示了大型语言模型在处理多语言文本时可能存在的偏见，影响全球内容生成和翻译。
排序理由 该集群包含一篇详细介绍大型语言模型行为研究结果的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2605.31363v1 Announce Type: new Abstract: Many languages are written in multiple scripts, requiring large language models (LLMs) to generate equivalent linguistic content in distinct orthographic forms. While prior work suggests that LLMs route information through shared la…
Many languages are written in multiple scripts, requiring large language models (LLMs) to generate equivalent linguistic content in distinct orthographic forms. While prior work suggests that LLMs route information through shared latent representations, how they internally mediat…