多语言AI

研究人员推出首个日语运筹学基准JOR-Bench，包含1319个优化问题，用于评估大语言模型在多语言环境下解决实际业务问题的能力。

研究团队评估了Mamba状态空间模型在七种南非语言语音识别任务中的表现，发现其在保持识别准确率的同时，比Conformer模型更节省计算资源且训练更快。

研究人员提出基于Transformer的极化检测方法，通过类别权重和阈值调优技术，在英语和斯瓦希里语的多标签分类任务中取得显著效果。

研究团队推出SEATauBench基准，专门用于评估AI智能体在东南亚五种语言（中文、越南语、泰语、印尼语、菲律宾语）中的工具使用与任务执行能力，填补了该领域多语言评估的空白。

通义千问发布首个安全护栏模型Qwen3Guard，基于Qwen3基础模型微调，可实时检测提示与回复的安全性，支持多语言环境。

Mistral AI 正式推出新一代模型 Mistral 3，在推理效率与多语言能力上实现显著提升。