本文探讨了跨语言建模的进展，提出了包含260,000个问题-答案对的“多语言知识问答”（MKQA）评估集，涵盖26种语言。研究显示，尽管大多数开放式语言模型主要针对英语，但在多语言环境中的表现仍需提升。通过知识蒸馏技术，开发了适用于西班牙语的RoBERTa模型，以提高问答能力并适应资源有限的环境。

本文研究了跨语言计算建模中的形态变化，分析了英语、西班牙语和斯瓦希里语的普遍规律。研究表明，不同语言在屈折类和特征集上采用不同策略，并提出了低资源语言的识别模型，展示了基于skip-gram的分类器在29种语言中的高精度表现。此外，探讨了语言复杂度与屈折范式的关系，并提出了一种新的语言生产力衡量方法，强调词缀与基础词组合的概率。

本文综述语言类型学在自然语言处理中的应用，指出现有类型数据库的局限，提出将类型特征与机器学习结合。研究涵盖跨语言资源不平等、词序与形态相似性对建模的影响、M2C语言特征测试框架，以及利用类型学提升跨语言依存分析性能，并强调类型特征在低资源语言中的重要潜力。