Multilingual Large Language Model: A Survey of Resources, Taxonomy and Frontiers

多语言大型语言模型能够使用强大的大型语言模型处理和回答多种语言的查询，在多语言自然语言处理任务中取得了显著的成功。尽管取得了这些突破，但仍然缺乏一份全面的综述来总结这个领域中现有的方法和最新进展。因此，在本文中，我们提供了一个全面的综述，并提供了一个统一的视角，以总结多语言大型语言模型（MLLMs）文献中的最新进展和新兴趋势。本文的贡献可以概括为：（1）第一份综述：据我们所知，我们首次根据多语言对齐在MLLMs研究领域进行了全面的综述；（2）新分类法：我们提供了一个新的统一视角，以总结MLLMs的当前进展；（3）新的前沿：我们强调了几个新兴的前沿，并讨论了相应的挑战；（4）丰富的资源：我们收集了丰富的开源资源，包括相关论文、数据语料库和排行榜。我们希望我们的工作能够为社区提供快速访问，并促进MLLMs领域的突破性研究。

综述当前多语言大语言模型（MLLMs）的研究进展和挑战，总结现有方法和新兴趋势。

通过对多语言对齐的分类，提供了一个新的统一视角来总结MLLMs的当前进展，并探讨了几个新兴领域和相应的挑战。

该论文是第一篇对MLLMs进行综述的论文，收集了大量的开源资源，包括相关论文、数据集和排行榜。实验设计了多种方法来评估MLLMs的性能，并探讨了跨语言任务的表现。

最近的相关研究包括：《XLM-R: Unsupervised Cross-lingual Representation Learning at Scale》、《Unicoder: A Universal Language Encoder》、《Massively Multilingual Sentence Embeddings for Zero-Shot Cross-Lingual Transfer and Beyond》等。