arXiv · 训练
基于词汇干预的多语言知识迁移方法
这项研究提出一种基于词汇干预的跨语言知识迁移方法。在低资源语言训练数据稀缺的条件下，仅对源语言模型进行少量词汇级修改，即可将科学推理、常识推理等任务所需的知识迁移至目标语言，无需依赖大规模平行语料。实验证明该方法能有效提升多语言模型在数据约束场景下的表现，为构建普惠多语言 NLP 系统提供了低成本路径。
- 域名
arxiv.org- 评分
- 4 · 重要更新
- 发布
- 2026-05-22
导读
这条暂时没有深度导读，点上方「访问项目本体」直接到源页面查看。
原文摘要
Cross-lingual knowledge transfer is critical for building high-performing multilingual language models for languages with insufficient training data. When target language data is scarce, the knowledge required for many downstream tasks involving scientific reasoning, commonsense inference, and worl…