本研究探讨了大语言模型在多语言迁移中的性能差异，提出了一种中层对齐目标，能够有效提升低资源语言的迁移能力，并可与现有模块融合，无需完全重新训练。

本文探讨了英语中心模型的多语言迁移能力，发现其在某些任务中优于多语言预训练模型。研究表明，低资源语言的社区中心模型在区分同一语言家族的语言方面表现更佳。同时，分析大型语言模型的激活模式和层次结构对其多语言处理能力有重要影响，并提出了未来研究方向和改进方法。