本文综述了多个非英语大语言模型基准：CMMLU评估中文多学科知识，KMMLU基于韩国原始试题，ArcMMLU聚焦中文图书情报学，CMMMU考察中文多模态推理。结果显示，主流模型准确率普遍偏低，远逊人类水平，非英语能力仍有较大提升空间。