本文探讨了多语料库的质量评估与提升方法，特别针对低资源语言。研究表明，低资源语言的自然语言理解性能受语料库大小和领域覆盖影响更大，而非仅数据质量。通过分析不同语言的网络挖掘语料库，发现其质量差异显著，并提出改进多语言网页语料库的方法，以支持大型生成语言模型的预训练。