多语言大模型存在语言锚定现象：代码切换揭示隐藏规律

多语言大语言模型在实际应用中常需处理代码切换输入，但混合语言往往导致性能显著下降。为探究这一现象，研究团队通过语法强制的代码切换构建诊断环境，提出“锚定偏差”几何度量方法，量化隐藏状态更接近源语言还是目标语言的倾向。实验发现，不同模型均呈现一致的语法框架效应：源语言框架的代码切换保持源语言锚定，而目标语言框架的代码切换则向目标语言偏移，且问答任务性能下降更明显。基于此表征规律，团队开发了CANVAS推理时干预技术，该方法从输入中提取源语言画布，在预填充阶段将目标语言隐藏状态软性引导至源语言锚点。测试表明，CANVAS能在多种模型和代码切换条件下稳定恢复问答F1分数，证明内部锚定信号可为缓解混合语言推理失败提供有效干预靶点。这项研究为提升多语言模型跨语言鲁棒性提供了新视角。