本研究比较了不同注释方案下过渡式解析器的性能，探讨了常见句法构造在统一依存树库中的标准表示转换。结果表明，标准构造不一定提高解析性能，且解析评分因语言而异，揭示了语言多样性对句法分析的影响。

本研究提出了一个生成语言工具框架，以解决低资源语言的数据匮乏问题。以撒丁语为例，验证了该框架的有效性，促进语言多样性与现代技术在语言复兴中的应用。

本研究针对芬诺-乌戈尔语言的低资源语言，开发了多语言基础模型和评估基准，以促进语言多样性，确保这些语言能从自然语言处理的进步中受益。

本研究探讨了写作助手和大语言模型对语言变化和丰富度的影响。研究发现，重述工具可能降低语言多样性，用户需谨慎使用。

本研究提出了多语种大型语言模型（MLLMs）的开发与部署框架，分析了Llama2案例，并提出优化策略，强调支持语言多样性的重要性。

研究显示，视觉-语言模型在图像理解中存在西方偏见。多文化图像评估发现，这些模型在西方文化任务上表现更好。实验强调预训练中使用多样语言的重要性，以实现公平的模型。尽管使用目标文化语言提示可以减少偏见，但无法替代全球语言代表性的AI。

东南亚(SEA)是一个语言多样性和文化多样性丰富的地区，拥有1300多种土著语言和6.71亿人口。SEACrowd提供了一个全面的资源中心，填补了人工智能模型在东南亚语言表示方面的不足。通过SEACrowd基准测试，评估了36种土著语言在13个任务上的人工智能模型的质量，为东南亚的人工智能发展提供了有价值的见解。同时，提出了促进人工智能进展的策略，发挥其在东南亚的潜在效用和资源平等性。

我们提出了一种简化的方法来增强多语种知识图谱问答系统，通过使用预训练的多语种转换器型语言模型来处理输入和辅助数据，提高了语言模型将自然语言查询转换为相关 SPARQL 查询的能力。在最新的 QALD 数据集上展示了有希望的结果，包括 QALD-9-Plus 和 QALD-10。同时，在中文和日文上介绍并评估了我们的方法，扩大了现有数据集的语言多样性。

mDIA是第一个跨越低至高资源语言的大规模多语言对话生成基准。通过微调mT5和DialoGPT两种预训练模型，作者对46种语言中的真实对话进行了测试，结果显示mT5模型在sacreBLEU和BertScore方面表现更好，但多样性较差。作者希望发布mDIA以促进生成多语言对话的研究，推动语言多样性。

该研究验证了一种方法，用于丰富计算词典中与语言多样性相关的内容。研究结果显示，即使在相似的语言和文化社区中，也存在多样性。

mDIA是第一个跨越低至高资源语言的大规模多语言对话生成基准。通过微调mT5和DialoGPT两种预训练模型，作者对46种语言中的真实对话进行了测试，结果显示mT5模型在sacreBLEU和BertScore方面表现更好，但多样性较差。作者希望发布mDIA以促进生成多语言对话的研究和语言多样性。