本研究提出了一种新的跨语言知识同步框架——跨语言知识民主编辑（X-KDE），旨在解决现有方法仅支持单语言或基本多语言编辑的问题。该框架通过两阶段优化策略，有效传播主要语言知识至其他语言，显著提升跨语言性能，平均提高8.19%。

本研究探讨了多语言预训练和指令调整对大型语言模型（LLMs）跨语言知识传导的影响。尽管效果有所提升，但整体表现仍不理想。提出的Instruct-Align框架通过对称对齐方法改善了模型在低资源语言上的学习能力。此外，使用平行指令调整数据集显著提升了跨语言指令遵循能力，并提出了对比指令调优方法以增强模型对未知指令的稳健性。