本文探讨了跨语言动词语义消歧的挑战，提出了包含9504张图像的MultiSense数据集，并展示了跨语言模型在视觉背景下的优势。研究分析了BERT模型的能力与局限，提出ERNIE-M模型以增强语义建模能力，并评估了大型语言模型在跨语言任务中的表现，强调了优化方法的重要性。