本文记录了将 TypeScript Codex SDK 移植到 C# 的过程，重点讨论了架构设计、类型系统转换、事件解析和进程管理等关键点，并强调了保持 API 一致性的重要性，以满足 HagiCode 项目在 .NET 环境中的需求。

Saikuro是一个跨语言的IPC库，支持Rust、TypeScript、Python和C#等语言，允许开发者用一种语言编写函数并在其他语言中调用。其核心特性包括共享类型模式、权限控制和多种传输方式，项目遵循Apache-2.0开源协议。

本文探讨了JSON在跨语言环境中的潜在问题，指出其简约性可能导致不同语言对同一JSON的解析差异。为Go开发者提供了防御指南，包括使用强类型结构体、处理数字精度、浮点数运算和Unicode规范化等策略，以避免常见错误，确保数据一致性。

仓颉编程语言是一种现代语言，支持与C语言的跨语言操作。通过FFI，仓颉可以安全地调用C函数。文章介绍了在华为开发者空间中使用仓颉调用C标准库和自定义库，并通过猜拳小游戏示例展示应用。

蚂蚁推出的开源模型CGM在SWE-bench Lite上表现出色，修复bug成功率达到44%。该模型通过融合代码图模态，提升了代码理解和修复效率，减少了对复杂Agent的依赖，展现出强大的跨语言和跨项目能力。CGM的技术和代码已开源，提供灵活透明的解决方案。

本研究提出了新的基准KnowRecall和VisRecall，用于评估多模态大语言模型在不同语言间的一致性。KnowRecall关注全球地标的文化和历史知识一致性，VisRecall检验视觉记忆一致性。实验结果显示，现有模型在跨语言一致性方面仍存在困难，需要开发更具多语言和文化意识的模型。

本文解决了将大型语言模型转化为特定目标语言模型过程中的表现能力瓶颈，提出了一种创新的跨语言转移方法——语义感知线性转移（SALT）。该方法通过回收目标语言预训练语言模型的嵌入，显著提高了跨语言理解能力，并在模型适应过程中加快收敛速度，展现出优于现有转移方法的显著性能。

OpenResty Inc. 团队开发了一种新机制，实现不同脚本语言间复杂数据结构的透明迁移，支持跨语言共享。通过优化，读取性能提升超过20倍，显著改善响应速度和资源利用，增强扩展性。未来将继续探索性能优化，推动技术更广泛的应用价值。

本研究提出了一种名为RoSPrompt的方法，旨在提升小型多语言预训练模型在低资源语言中的零样本分类性能。该方法有效解决了数据依赖性问题，增强了模型在数据分布变化时的泛化能力。实验结果表明，该方法在106种语言的数据集中表现优异。

本研究提出了PolyTest方法，旨在解决现有大型语言模型在生成单元测试时缺乏多样性的问题。通过跨语言测试生成和多样性采样，PolyTest显著提升了测试的一致性和质量。

本研究探讨了跨语言IPA对比学习在低资源语言零样本命名实体识别中的应用。通过减少相似语音特征语言间的IPA差距，提出的CONLIPA数据集和IPAC方法显著提升了识别性能，展示了其应用潜力。

本研究针对30多种低资源语言的情感检测，填补了该领域的空白。通过多条赛道的情感标签预测，提供基线结果和最佳系统表现，为多语言情感分析提供重要参考，推动跨语言情感检测的发展。

本研究针对现有常识推理数据集大多基于英语，导致跨语言低资源常识推理缺乏数据的挑战，提出了一种多源适配器MetaXCR。该方法通过扩展元学习并引入强化学习抽样策略，有效地利用有限的标注数据提升模型在目标语言上的表现，实验结果表明MetaXCR在性能和参数效率上均优于现有技术。