本研究提出了跨语言思维提示（XLT）方法，以提升大语言模型的多语言能力。通过多项基准测试评估，XLT显著提高了多语种任务的性能，缩小了不同语言间的表现差距。研究还探讨了双语词典诱导任务及自回归模型的提示技术，强调未来需进一步研究以弥合性能差距。

本研究探讨了大型语言模型在问答质量和信息整合方面的潜力，发现模型在侧向思考中存在困难。通过不同提示方法评估模型表现，结果显示 ChatGPT 优于其他模型。研究提出了跨语言思维提示（XLT）和 Active-Prompt 方法，以提高多语言能力和任务适应性，显著改善推理和理解性能。