本研究探讨了多语言大型语言模型在非英语环境中的偏见和毒性问题。研究发现，使用非有害文本进行微调可以有效降低偏见，而优化数据集则能更显著减少毒性。这些方法在英语中的效果可以迁移到其他语言，但可能会影响生成能力，因此强调了开发语言特定缓解方法的重要性。

通过优化数据集，提高了多模态大模型在病理诊断中的性能，为医学和研究社区提供了有价值的工具。