待验证50% 置信事实精确时间
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
1
来源数
50%
置信度
长期有效
时效性
2026/7/5
首次发现
来源
ChatGPT全球采用率激增：使用深度、功能探索与多语言全面扩张
rss2026/6/30
相关事实
待验证多语言预训练模型（如mBERT、XLM-R）在高资源语言（英语、法语）上的表示质量通常优于低资源语言（如拉脱维亚语、马耳他语）79% 相似待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78% 相似待验证传统n-gram模型和单语训练的神经语言模型在遇到跨语言词序列时会给出极低的概率分数，导致解码器倾向于将外语词强行映射为发音相近的本语言词78% 相似待验证多语言模型如mBERT和XLM-RoBERTa在形态复杂的阿拉伯语任务上通常不如专门预训练的单语模型78% 相似待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75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/112548API
curl https://kongchang.com/api/v1/knowledge/claims/112548MCP
get_claim(id=112548)