通过参数高效微调可以提高大语言模型的性能，对多语言评估表明英语和其他语言性能差距大。微调是弥合差距的有效方法。本研究通过对合成多语言数据进行微调，评估其对模型在涵盖23种语言的五个下游任务上的性能影响。发现微调较小的开源模型可以弥合模型性能差距，但对英语性能有所降低。微调有时可以提高低资源语言性能，但在高资源语言上性能可能下降。

通过参数高效微调可以提高大语言模型的性能，对多语言评估表明英语和其他语言性能差距大。微调是弥合差距的有效方法。本研究通过对合成多语言数据进行微调，评估了模型在涵盖23种语言的五个任务上的性能影响。发现微调较小的开源模型可以弥合模型性能差距，但对英语性能有所降低。微调有时可以提高低资源语言性能，但在高资源语言上性能可能下降。

通过参数高效微调可以提高大语言模型的性能，对多语言评估表明英语和其他语言性能差距大。微调是弥合差距的有效方法。本研究通过对合成多语言数据进行微调，评估了模型在涵盖23种语言的五个任务上的性能影响。发现微调较小的开源模型可以弥合模型性能差距，但对英语性能有所降低。微调有时可以提高低资源语言性能，但在高资源语言上性能可能下降。

通过参数高效微调可以提高大语言模型的性能，对多语言评估表明英语和其他语言性能差距大。微调是弥合差距的有效方法。本研究通过对合成多语言数据进行微调，评估了模型在涵盖23种语言的五个下游任务上的性能影响。发现微调较小的开源模型可以弥合模型性能差距，但对英语性能有所降低。微调有时可以提高低资源语言性能，但在高资源语言上性能可能下降。