代码切换文本是否能激活大语言模型中的知识开关？英语-韩语代码切换案例研究

近期大型语言模型（LLMs）展示出多语言能力，但由于训练语料中英语的占主导地位，这些模型仍然是英语中心化的。低资源语言的资源有限仍是一个关键挑战。代码切换（CS），即多语言说话者在话语中交替使用不同语言的现象，能够传递细微的文化和语言细微差异，这些细微差异在翻译中往往会被遗漏，并能在人类交流中引发特定的语言知识。在此基础上，我们研究代码切换是否能够激活或识别并利用知识，以解决低资源语言任务。为促进研究，我们首先提出EnKoQA，即一个人工构建的英语-韩语代码切换问答数据集。我们对各种多语言LLMs进行全面分析，将激活过程分为知识识别和知识利用两个环节。我们的结果表明，与英语文本相比，代码切换能够在语言特定领域忠实地激活LLMs内的知识，表明代码切换在低资源语言任务中具有潜在价值。