研究评测 LLM 英孟双语摘要能力
原文标题：Evaluating Large Language Models for Multilingual Abstractive Summarization: A Comprehensive Study of English and Bengali
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文对八款闭源与开放权重 LLM 在英语和孟加拉语 XL-Sum 测试集上进行零样本摘要评测，结合词汇、语义指标与事实性验证。结果显示 GPT-5.6 Luna 在英语词汇指标领先，但孟加拉语中 LLaMA 3.3 70B 的 ROUGE 和 BLEU 最高，Gemini 2.5 Flash 事实性得分最高。不同评测方法给出不同排名，说明英语强不代表低资源语言强。
- 问题
- LLM 在低资源语言摘要上是否与英语同样可靠，单指标能否反映真实水平。
- 方法
- 对八款闭源与开放权重 LLM 在英语和孟加拉语 XL-Sum 上做零样本评测，结合词汇、语义、事实性与 LLM-as-a-Judge。
- 结果
- GPT-5.6 Luna 领先多项英语词汇指标；孟加拉语 ROUGE/BLEU 最高为 LLaMA 3.3 70B，事实性最高为 Gemini 2.5 Flash。
- 影响
- 选型多语言摘要模型时不能只看英语榜单，且需多指标交叉验证以免被单一分数误导。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。