本研究指出，音乐生成模型在全球音乐流派和文化覆盖方面存在不足，仅5.7%的数据来自非西方流派。实验表明，参数高效微调技术能有效缓解这一偏差，强调设计更公平的跨文化音乐语言模型的必要性。

本研究探讨了表情符号在跨语言和跨文化情感分析中的应用，利用大型语言模型分析32个国家的数据，发现表情符号与文本情感一致性达到81.43%，凸显其在社交媒体中的重要性。

本研究提出MosAIC多智能体框架，旨在解决大型多模态模型在跨文化图像说明中的不足，通过赋予不同文化角色来提升效果，且多智能体互动优于单智能体模型。

本研究介绍了盘古，一个支持39种语言的多语言多模态模型，解决了现有模型偏重英语和西方数据集的问题。结果显示，盘古在多语言和多文化环境中表现出色，提升了跨文化的公平性和可及性。

本文提出了一种用于评估文本到图像生成模型的框架，包括图像质量和文本条件的评估。引入了美学评分预测模型和标记低质量区域的数据集。探索了概念覆盖和公平性，并设计了适用于其他图像生成形式的灵活方法。将发布代码和数据集。

本研究探索了多模态数据分析中感知和认知相互作用之间的复杂关系，特别强调了海外华人园林的空间体验设计。通过分析社交媒体中的评价内容和图像，发现其可以反映个体的关注和情感反应，为认知研究提供了富含情感和图像认知信息的数据基础。利用深度学习技术，我们分析社交媒体中的文本和视觉数据，揭示了海外华人园林背景下人们感知和情感认知之间的关系。此外，本研究引入多智能体系统 (MAS) 和 AI...

通过对不同国家的个体如何感知仇恨言论的深入研究，引入了一个跨文化重新标注的采样SBIC数据集（CReHate）。该数据集包含来自五个不同国家的注释：澳大利亚、新加坡、南非、英国和美国。通过迁移学习引入了一种文化敏感的仇恨言论分类器，善于捕捉不同国籍的观点。这些发现强调了需要重新评估自然语言处理研究的某些方面，特别是对英语言中仇恨言论微妙性的关注。