语言向量引导多语言上下文学习：无需参数更新的推理时干预方法

研究者提出"语言向量"方法，通过计算平行语料在特定层的平均激活差异，在推理时对模型隐藏状态施加偏移，无需任何参数更新即可提升多语言上下文学习效果。该方法在覆盖19种语言、3个模型和3项任务的实验中均优于英文少样本提示，且向量呈现可解释的语言结构——相近语言形成紧密聚类，跨任务和跨语言迁移效果与语言距离相关。