本研究指出传统惊讶理论在词汇相似性处理中的不足，提出通过引入信息值和多样性指数来调整惊讶，从而提升预测能力。

本论文介绍了一种名为In-CLT的新的跨语言转移提示方法，通过构建演示例子来证明其在多语言基准测试中的可行性和性能提升。该方法平均比以前的方法提高了10到20个百分点，并探讨了词汇相似性和预训练语料库在跨语言转移方面的关系。