该研究创建了多语言基准测试，评估语言模型的事实知识检索能力，并提出基于语言切换的方法。研究发现不同语言间的事实知识差异显著，英语表现优异，且多语言模型存在地理偏见。通过评估模型一致性和推理能力，专有模型通常优于公开模型。研究还提出在混合语言数据上微调模型的方法，以提升跨语言性能。

本研究评估了多语言大型语言模型（MLLMs）的事实准确性，发现英语表现优异但存在地理偏见。研究强调了改进多语言事实评估的必要性，并提出了新的真实性评估基准，以提升模型的可靠性和准确性。

多项研究探讨大语言模型的地理空间能力与偏见。GeoLLM结合LLM与开放街道地图数据提取地理知识，在预测人口密度等任务上性能提升70%。研究还发现LLM存在地理偏见、性别职业刻板印象和人口统计偏见，其空间时间知识以线性表示编码，具备一定世界模型，但推理时可能放大地缘政治偏好。