本文研究了多语言和单语言模型的性能差异，强调预训练数据规模和专门分词器的重要性。研究表明，使用专门的单语言分词器可以显著提升多语言模型的下游性能。同时，评估多语言模型时需考虑资源可用性、语言家族和脚本类型的复杂关系，以优化模型选择和部署。

本研究探讨了单语言模型在加泰罗尼亚语中的优越性，证明其在数据充足时效果优于多语言模型。介绍了多语言模型的能力与局限性，并提出了针对低资源语言的新模型“金鱼”，在多种语言任务中表现出色，为自然语言处理研究提供了基准。

本研究比较了单语言与多语言模型在低资源语言上的跨语言迁移能力。研究发现，经过微调的AfriBERT在肯尼亚语和基伦迪语上实现了88.3%的跨语言准确率，显示多语言模型在资源有限的环境中具备强大的跨语言迁移能力。