文章预览
本文对多语言大型语言模型（Multilingual Large Language Models, MLLMs）的最新研究进行了全面综述。MLLMs不仅能够跨语言边界理解和生成语言，还代表了人工智能领域的重要进步。 首先，我们探讨了MLLMs的架构和预训练目标，重点分析了支持其多语言能力的关键组成部分和方法。随后，我们讨论了多语言预训练与对齐数据集的构建，强调数据质量与多样性在提升MLLM性能中的重要作用。 本文的一个重要关注点是MLLM的评估方法。我们提出了一个详细的分类体系和路线图，涵盖了MLLM在跨语言知识、推理、人类价值对齐、安全性、可解释性及特定领域应用方面的评估。具体而言，我们广泛讨论了多语言评估基准与数据集，并探讨了将LLMs本身作为多语言评估工具的可能性。 为了从黑箱转向白箱理解MLLM，我们还深入研究了多语言能力的可解释性、跨语言迁移以及
………………………………
