该研究探讨了如何利用大型语言模型（LLMs）增强加利西亚语等低资源语言的自然语言处理。通过适应Alpaca数据集和LLaMA-7B模型，提出了“GenTranslate”翻译范式，显著提高了翻译质量。同时，开发了紧凑的巴西葡萄牙文本生成模型，并评估了不同策略对低资源语言的影响，结果表明持续训练和任务特定微调能有效提升性能。

该研究提出了两种新的资源，以增强加利西亚语的自然语言处理，为低资源语言提供多语言模型的研究，并探索了如何利用相关语言生成连贯的文本。