待验证50% 置信事实精确时间
现有多语言模型如mBERT、XLM-R在低资源语言上的表现远逊于英语
1
来源数
50%
置信度
长期有效
时效性
2026/9/16
首次发现
来源
涉及实体
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）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% 相似待验证通用大模型在特定语言的方言处理、形态变化丰富的语言以及文化特定表达上仍存在明显不足77% 相似待验证根据语言枢纽假说，英语等高资源语言在多语言模型内部表示中往往充当隐式中间语言，非英语低资源语言之间的迁移倾向于经由英语语义空间中转75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/924871API
curl https://kongchang.com/api/v1/knowledge/claims/924871MCP
get_claim(id=924871)