AutoCAP：面向零 - shot 思维链的自动跨语言对齐规划

本研究提出了一种改进零-shot推理的链思维方法，通过跨语言提示和自洽提示提高推理性能。

CrossAligner是一种有效的零-shot跨语言知识传递方法，利用未标记并行数据进行学习对齐。

MultiCapCLIP是一种零样本方法，可以在不同场景和语言中生成视觉描述，取得了显著的绝对改进。

采用对齐作为优化框架，提升了非中心语言的推理能力，并通过迭代DPO优化多语言数学推理能力。

提出的SALT方法结合代码混合和嵌入混合自增强，改进了零射击跨语言转移能力。

针对零资源的多语言任务导向对话系统，提出了零样本自适应方法，优化了跨语言词级表示。

多任务编码-解码模型在没有平行语料的情况下完成跨语言语义解析，显著优于传统算法。

ALPDC框架结合神经网络和符号表示，显著提高了语言预测和机器翻译的准确性。

XCOPA多语言数据集用于跨语言因果常识推理，提出适应资源较少语言的模型策略。

基于跨语言无配对数据的图像描述生成方法展示了在汉语图像描述生成任务上的有效性。