本文研究了大型语言模型在多语言机器翻译中的优势与挑战，评估了XGLM、OPT、BLOOMZ和ChatGPT的性能，分析了模型架构、训练策略及未来研究方向，探讨了多语言模型的偏见和挑战，并提出了改进方法。研究发现，这些模型在低资源语言（如僧伽罗语）中表现优异，为该领域提供了新见解。