待验证50% 置信事实精确时间
对编程语言而言，泛化能力意味着即使某语言未直接出现在训练数据中，LLM也能借助跨语言的共性进行迁移推理。
1
来源数
50%
置信度
长期有效
时效性
2026/10/18
首次发现
来源
涉及实体
相关事实
已验证现代多语言大模型在预训练阶段建立语言无关语义表示，通过海量多语言语料联合训练在高维向量空间中构建跨语言语义对齐79% 相似待验证多语言预训练模型如mBERT、XLM-R展现出跨语言零样本迁移能力，即便某些语言训练中从未与其他语言平行语料共同出现78% 相似待验证继续预训练的优势是能利用海量无标注单语数据，但代价是需要大量算力，且学到的只是语言形式层面的分布，并不直接针对翻译这一跨语言映射任务。74% 相似待验证同样的微调流程（收集方言数据、准备标注、在Nemotron基础模型上训练、评估识别效果）理论上可迁移到任何低资源语言或方言场景74% 相似已验证跨语言迁移学习使模型在高资源语言上积累的声学知识能迁移至低资源语言，是单一模型支撑83种语言并保持一致音质的核心机制73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1064334API
curl https://kongchang.com/api/v1/knowledge/claims/1064334MCP
get_claim(id=1064334)