Multilingual Large Language Models
PulseAugur coverage of Multilingual Large Language Models — every cluster mentioning Multilingual Large Language Models across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
研究发现：多语言大语言模型在推理中表现出追踪级分歧
一项新的研究论文介绍了一个框架，用于评估多语言大语言模型（LLMs）的推理追踪一致性。研究发现，侧重于最终答案一致性或整体响应相似性的标准评估，可能显著高估跨语言的一致性。提出的追踪级分歧框架分析推理步骤的结构相似性和顺序一致性，结果显示人类判断与结构相似性的匹配度优于整体相似性基线。这种分歧是语言特有的，表明多语言大语言模型可能根据所用语言为同一问题提供不同的解释性证据，这对于需要可验证推理的应用至关重要。
-
新基准揭示大型语言模型在印度语言和翻译机制方面存在困难 · 跟踪3个来源
研究人员开发了VakyArth，这是一个新的基准，旨在评估大型语言模型（LLMs）在印地语、旁遮普语、泰米尔语和马拉雅拉姆语等印度语言中的语用能力。初步研究结果显示，在解释这些语言中通过上下文和文化习俗暗示的含义时，大型语言模型存在持续的失败，并且在不同语言和任务中的表现差异很大。此外，另一项独立研究对多语言大型语言模型中“潜在语言”的解释提出了质疑，认为当前的探测可能揭示了多语言处理的不同方面，而不是单一的内部通用语。另一篇论文提出…
-
新的CANVAS方法提高了多语言大型语言模型代码转换的性能
研究人员开发了一种名为CANVAS的新方法，以提高多语言大型语言模型（MLLMs）在处理代码转换输入时的性能。通过分析“锚定偏差”（一种衡量模型内部状态与源语言或目标语言对齐程度的指标），他们识别出一种持续的语法框架效应，该效应会降低问答性能。CANVAS是一种推理时干预方法，它将目标语言的隐藏状态引导至源锚定，从而在各种MLLMs和代码转换条件下持续恢复问答F1分数。