本文研究了在低资源语言中适应大型语言模型（LLMs）的方法，提出了扩展词汇表和使用双语数据等策略，以提高模型性能。实验结果显示，这些方法在多种语言上表现优异，尤其在机器翻译任务中显著提升了翻译能力。此外，有限数据集的多语调优与单语模型的表现相当，具有重要的实用价值。