本文提出了一个用于评估印度语问答模型的新基准IndicGenBench，以解决现有英语数据集翻译带来的偏差。研究评估了多种大型语言模型在该基准上的表现，发现PaLM-2模型在大多数任务中表现最佳，但与英语相比，所有语言仍存在显著差距，需进一步研究以提升多语言模型的性能。

通过将多样化的指令调整的印地语数据集应用于 OpenHathi，我们发布了适用于辅助任务的 Airavata 模型，并共享了 IndicInstruct 数据集，为进一步研究印地语 LLM 提供支持。此外，我们还提供了评估基准和一种评估印地语 LLM 性能的框架。

该文汇总多项社交媒体仇恨言论检测研究：HASOC构建英语、印地语、马拉地语基准数据集，区分二元与精细分类；另有印地语、泰米尔语、印度英语性别虐待数据集，以及马拉地语攻击性内容识别竞赛，最佳F1达0.97。研究还涉及跨语言抗议事件检测、混合码POS标注、阿拉伯语仇恨言论检测、多语言BERT检测及印尼语、乌尔都语辱骂言论分析，并探索迁移学习支持低资源语言。