M-MiniGPT4：通过翻译数据实现多语言VLLM对齐
计算与语言
2026-04-01 v1 人工智能
摘要
本文提出了名为 M-MiniGPT4 的多语言视觉大语言模型。该模型在11种语言上展现出强大的视觉语言理解（VLU）能力。我们采用原生多语言数据与翻译数据相结合的方式，推动了 MiniGPT4 架构在多语言 VLU 性能上的提升。此外，我们提出了一种多语言对齐训练阶段，利用平行文本语料库进一步增强模型的多语言能力。M-MiniGPT4 在多语言 MMMU 基准测试上取得36% 的准确率，超越了同等参数量级的最新模型，包括一些在本工作大部分完成后发布的基础模型。我们开源了模型、代码以及翻译后的数据集，以促进低资源和多语言场景下的后续研究。
引用
@article{arxiv.2603.29467,
title = {M-MiniGPT4: Multilingual VLLM Alignment via Translated Data},
author = {Seung Hun Han and Youssef Mohamed and Mohamed Elhoseiny},
journal= {arXiv preprint arXiv:2603.29467},
year = {2026}
}
备注
6 pages, ACL 2026, Proceedings of the 7th Workshop on African Natural Language Processing (AfricaNLP 2026)