报告主题：ACL2025 SAC Highlight Award｜大模型在多语言中的迷失，深入揭示跨语言事实不一致问题

报告日期：10月29日（周三） 15:30-16:30

报告要点:
本期报告将由慕尼黑大学&Schütze Lab王铭阳进行分享。
多语言大模型在各类跨语言任务中表现优异，但你是否观察到：同一个事实问题用不同语言提问，模型可能会给出相互矛盾的答案？比如问“加拿大的首都是哪里”，英文回答是 Ottawa (渥太华)，但用中文提问模型的回答却可能变成“多伦多”？本文分享我们最新发表在 ACL 2025 的论文Lost in Multilinguality: Dissecting Cross-lingual Factual Inconsistency in Transformer Language Models。首次深入剖析这一“跨语言事实不一致”现象的成因，并提出了一种高效轻量的解决方案，显著提升了多语言一致性与准确率。
文章链接: https://www.arxiv.org/abs/2504.04264
数据与代码开源地址：https://github.com/cisnlp/KLAR-CLC
论文获得ACL 2025 SAC Highlight Award （高级领域主席亮点奖）
报告嘉宾：
王铭阳，慕尼黑大学CIS，Schütze Lab博士生，主要研究方向为多语言大模型和大模型的可解释性。个人主页：https://mingyang-wang26.github.io/

扫码报名

更多热门报告

内容中包含的图片若涉及版权问题，请及时与我们联系删除