本研究提出了SEA-HELM评估套件，旨在填补现有语言模型评估工具在东南亚语言方面的不足。该套件基于五个核心支柱，强调东南亚语言的多元文化特性，提供用户全面理解模型表现的平台，推动东南亚语言模型的研究与应用。

本研究开发了针对东南亚语言的多语言模型水手2，填补了资源缺口。该模型在500B标记上预训练，支持13种东南亚语言，并在中文和英语上表现流利。在与GPT-4o的对抗中，水手2模型的胜率达到50%，预计将推动该地区语言的发展。

本文介绍了针对东南亚语言的创新语言模型SeaLLMs和CompassLLM，旨在解决大型语言模型在低资源语言中的偏差问题。SeaLLM-13b在泰语、高棉语等非拉丁语言上表现优于ChatGPT-3.5。Sailor模型在多项基准任务中表现出色，BHASA提供语言和文化评估工具。研究表明，模型规模和训练数据质量对性能影响显著，呼吁在低资源NLP情境中谨慎应用相关技术。