待验证50% 置信事实精确时间
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）
1
来源数
50%
置信度
长期有效
时效性
2026/8/5
首次发现
来源
相关事实
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77% 相似待验证现代翻译质量估计（QE）系统通常基于预训练多语言模型（如XLM-R）微调，可在词级、句级和文档级提供质量分数74% 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73% 相似待验证许多模型的安全对齐在非英语语言中表现显著下降，低资源语言尤其容易被利用，因为RLHF对齐训练的人类标注数据高度集中在英语上71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/692524API
curl https://kongchang.com/api/v1/knowledge/claims/692524MCP
get_claim(id=692524)