本研究探讨了五种语言中的问答和命名实体识别，测试了五种大型语言模型及其提示方法，发现模型在不同任务和语言中的表现存在差异，强调需采用任务特定的方法。

本研究提出了一种基于格点的神经网络架构，能够同时进行词法分割和句法分析，特别适用于复杂的多词类语言如希伯来语。通过多任务学习和跨语言知识迁移，显著提升了低资源语言的句法分析性能，展示了在古代语言自动句法分析中的潜力。

该文介绍了针对多语言多任务信息检索的系统，使用翻译-测试方法解决命名实体识别和问题回答两个子任务。作者提出了一种基于标签敏感翻译模型评分候选位置的方法。