免训练跨语言激活引导方法CLAS提出

研究者 Rhitabrat Pokharel、Ameeta Agrawal 和 Tanay Nagar 提出跨语言激活引导（CLAS），一种无需训练、仅在推理阶段选择性调节神经元激活的干预方法，不修改模型权重即可尝试释放现有多语言模型的潜在能力。 据研究者报告，CLAS 在分类与生成基准上分别平均提升 2.3%（Acc.）和 3.4%（F1），同时保持高资源语言性能。研究者称，有效迁移依赖功能分化而非严格对齐，性能提升与语言聚类分离度增加相关。 该工作已被 INLG 2026 接收。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。