AITOPAI热报

跨语言

共 7 条相关 AI 资讯
9月1日
09:25
09:25官方账号arXiv cs.LG@Jieying Xue, Phuong Minh Nguyen, Minh Le Nguyen, Shogo Okada
精选73°
该研究探索了功能向量(FVs)在多语言多标签情感识别任务中的跨语言迁移能力。研究显示，从源语言提取的功能向量能在零样本设置中显著提升目标语言性能，无需推理时提供演示。每个大语言模型在构建有效功能向量时表现出相对稳定的最佳注意力头范围，且这一模式在不同语言中保持一致。
论文功能向量情感识别跨语言
推荐理由：论文发现功能向量能跨语言传递任务信号，无需演示即可提升多语言情感识别性能，比少样本学习更高效。
原文
7月14日
03:38
7月13日
10:28
10:28官方账号arXiv cs.AI@Kiran Pala, Punam Silu, Lixun Yu
该论文提出一个基于特征图的可解释框架，用于表示八种语言共160个习语的传统意义。每个习语通过二进制概念特征（如包含、隐藏、情感、社会等）进行标注，并使用Jaccard相似度构建加权图。社区检测显示习语按概念模式聚类而非按语言聚类，其结构符合认知语言学预测。该概念网络捕获了分布式嵌入中不存在的独特语义信息，可通过LLM自动标注扩展，并提升下游习语检测性能。跨语言迁移实验表明，仅凭概念相似性即可识别五种语系中的可接受翻译等价物，相比基于嵌入的基线有显著提升。
论文习语表达跨语言概念网络
推荐理由：这篇论文用图网络和概念特征来分析八种语言里的习语，发现它们按语义模式聚类而不是语言，还能用LLM自动标注，对做跨语言NLP和理解习语很有用。
原文
7月8日
09:55
09:55官方账号arXiv cs.AI@Andrea Alfarano, Andrea Bacciu, Saab Mansour, Amin Mantrach, Marcello Federico
该研究首次在22种语言（涵盖高、中、低资源）上系统评估了9种不确定性估计方法。发现用英文推理（即使问题为低资源语言）能显著提升UE性能，并缩小与高资源语言的性能差距。研究还指出，小规模模型下基于概率的开放盒方法更优，大规模模型下封闭盒的自我表述不确定性更有效。论文提供了多语言选择性预测中阈值选择的指导。
论文不确定性估计多语言MCQA
推荐理由：这篇论文用22种语言、9种方法实测发现：让模型用英文思考能大幅改善低资源语言的不确定性估计，选方法还得看模型大小。
原文
7月1日
00:16
5月29日
10:11
5月19日
10:14
10:14官方账号arXiv cs.AI@Max Zhang, Ameen Patel, Sang T. Truong, Sanmi Koyejo
精选
该论文发现大型语言模型在非英语语言中安全性能下降，但传统评估指标（如越狱成功率）混淆了多种因素。研究者提出多组项目反应理论（IRT）框架，将安全退化分解为语言无关的鲁棒性、提示固有难度、全局语言处理难度和跨语言安全差距四个因素。通过对61个模型配置在10种语言上的190万条数据评估，发现安全机制主要是单维的，且低资源语言并非总是最脆弱——22个模型在英语中反而更易受攻击。低资源语言产生更多不确定响应，而高跨语言安全差距的提示集中在物理伤害类别（如盗窃和武器）。该框架在预测安全拒绝时达到AUC=0.940，优于简单基线，为更公平的跨语言安全评估和数据集改进提供了工具。
论文安全对齐跨语言IRT框架
推荐理由：这篇论文揭示了多语言安全评估的盲区——低资源语言不一定是安全最薄弱环节，做AI安全对齐的团队值得细看，能帮你避开传统指标误导，精准定位跨语言安全漏洞。
原文