本研究探讨了大型语言模型在低资源语言（如新加坡英语）中对齐人类价值观的有效性。通过监督微调和KTO优化，提出了一种更高效且降低毒性的对齐方法，成功将新加坡英语的毒性降低了99%。

本研究构建了Singlish依赖树库，整合英语语法知识，使分析器准确度提高至84.47%。首次在低资源语言中应用神经叠加技术改善跨语言依赖解析，并探讨了预训练语言模型在不同任务中的表现及局限性，呼吁在低资源NLP情境中谨慎应用相关技术。