社会科学 · OECD FoS 6.2 · 教育部 050102 语言学及应用语言学
语言学
Linguistics
L2局部突破 → 持平 综合分 1.90 · 上次复审 2026-10-22 · 下次复审 2027-01-19
最大突破 2024-06-05 AI 影响 · 重要学科影响 · 重要
NLLB：将神经机器翻译扩展到 200 种语言（Nature） ↗
单一模型覆盖 200 种语言，低资源语言平均提升 44%
分级理由
NLLB 把神经机器翻译扩展到 200 种语言（Nature 2024），低资源语言的记录与翻译明显受益；大模型也成为语言习得与句法理论争论的新证据来源。
S = 0.30·method + 0.35·discovery + 0.25·adoption + 0.10·education（教育缺证据时记 0 分；若为空则按其余权重归一）
依据来源
综合分 1.5–2.49：至少一项经同行评审或官方验证、AI 起关键作用的成果，或某一维度已达到 3 分；但常规工作流整体未变。 全部分级标准 →
研究方向
低资源语言翻译语言记录大模型与语言理论
论文
- ELARSpeech: A 30K-Hour Dataset Across 675 Underrepresented Languages for Long-Tail Multilingual Speech Technologies ELARSpeech：从濒危语言档案整理 675 种少数语言、约 3 万小时语音（其中 443 种语言 2791 小时带标注），并发布识别与合成模型
AI：为长尾语种语音识别与合成提供迄今覆盖语种最多的公开语料之一；学科：把语言记录档案转为可计算资源，使用须遵守社区同意与非商业条款（预印本）
2026-10-14 · arXiv
- AI-generated language remains systematically distinguishable from human communication PNAS：CHAT 框架显示，经多种校准后 9 个开源大模型生成的社交媒体语言仍可与人类语言系统区分
AI：指令微调模型反而不如基础模型像人，更大模型也无明显改善；学科：情感语气等特征仍是人机语言的稳定差异，给用大模型模拟语言行为的研究划定边界
2026-10-12 · Proceedings of the National Academy of Sciences
- The shrinking landscape of linguistic diversity in the age of large language models Nature Human Behaviour：大语言模型时代语言多样性收缩
AI：大模型参与写作带来可测量的同质化；学科：语言变异与多样性研究出现新的外部驱动因素
2026-08-24 · Nature Human Behaviour
- Scaling neural machine translation to 200 languages NLLB：将神经机器翻译扩展到 200 种语言（Nature）
单一模型覆盖 200 种语言，低资源语言平均提升 44%
2024-06-05 · Nature
- Dissociating language and thought in large language models 区分大模型中的语言能力与思维（Trends in Cognitive Sciences）
提出形式语言能力与功能语言能力的区分，影响广泛
2024-06 · Trends in Cognitive Sciences
- A Benchmark for Learning to Translate a New Language from One Grammar Book MTOB 基准：大模型仅凭一本语法书学习翻译卡拉曼语（Kalamang，约 200 名使用者）
把“从描写语法习得语言”变成可测任务，直接关联濒危语言研究
2023-09-28 · arXiv
- Large Language Models Demonstrate the Potential of Statistical Learning in Language 大模型展示统计学习在语言习得中的潜力（Cognitive Science）
大模型成为“刺激贫乏论”争论的新证据
2023-02-25 · Cognitive Science
- Robust Speech Recognition via Large-Scale Weak Supervision OpenAI Whisper：68 万小时弱监督数据训练的多语种语音识别（arXiv 2212.04356）
开源多语种转写让田野录音、语料库语言学的转写成本大降
2022-12-06 · arXiv
- 扩展像素语言模型的多语言预训练 Scaling Multilingual Pretraining of Pixel Language Models
把文本渲染成图像处理的像素语言模型在更多语言、文字和更大容量下预训练，并在覆盖 83 种语言的任务上评估跨语言迁移。
2026-10-21 · arXiv · Ilker Kesen, Jenny Kunz, Kasra Malihi, Desmond Elliott
- 阿拉伯语方言数学题基准 Benchmarking Arabic Dialects for Math Problems
发布首个人工整理的方言阿拉伯语数学推理基准 DAR-MGSM，覆盖 5 种方言和标准阿拉伯语；11 个模型在文化本地化版本上普遍表现下降。
2026-10-20 · arXiv · Noor Abo Mokh, Teresa Lynn, Nizar Habash, Ahmed Elshabrawy
- 全球安全盲区：低资源语言翻译成为安全绕过手段 Global Security Blind Spots: Translation as a Safety Bypass in Low-Resource Languages
评测 10 个大模型在 78 种低资源语言上的翻译绕过：英语中安全拒绝的请求翻译后仍有 21.9%–44.4% 产生不安全回复，风险集中在部分语系。
2026-10-19 · arXiv · Jalil Alva, David Harper, Abigail E. Thornton, Rafael S. Villalobos Alva
- DeepSEA：东南亚多语言评测基准 DeepSEA: A Multilingual Evaluation Benchmark for Southeast Asia
由专业译者把成熟数据集翻译成 12 种东南亚语言，评估语言模型在这些语言上的能力。
2026-10-19 · arXiv · Jiuzhou Han, Abhishek Bijay Mishra, Trevor Cohn, Shubham Mittal
- 136 国眼中的世界：1.18 亿篇国家媒体文章的开放多语言数据集 The World as Viewed by 136 Countries: An Open, Curated, Annotated, and Multilingual Dataset of 118 Million State Media Articles
从预训练语料中提取 136 个国家、114 种语言的 1.18 亿篇国家媒体文章，研究其对大模型的潜在影响。
2026-10-18 · arXiv · Bryan Li, Samar Haider, Grace Kim, Fiona Luo
- MAS-Bai：面向白文（僰文）白语的语言学引导多智能体翻译 MAS-Bai: Linguistically Informed Adaptive Multi-Agent Translation for Bowen-Script Bai
白文常借汉字表音，导致直译幻觉；MAS-Bai 用检索翻译和带词源、句法智能体的语文学路径改进白语-汉语翻译。
2026-10-16 · arXiv · Jingting Zheng, Hong Ren, Yuehan Cui, Shaolin Zhu
- 从分诊到影响：可解释波斯语仇恨言论的多跳推理基准 From Triage to Impact: A Multi-Hop Reasoning Benchmark for Explainable Persian Hate Speech
构建细粒度波斯语仇恨言论基准，涵盖目标识别、策略、道德基础和严重度评估，并测试大模型。
2026-10-14 · arXiv · Ghazal Kalhor, Sima Kamandloo, Mehrsa Shamsian, Behnam Bahrak
- 句法注意力头会影响模型行为吗？ Do Syntax Heads Influence Model Behavior?
检验专门关注句法关系的注意力头是否对模型句法预测起因果作用，证据有限。
2026-10-13 · arXiv · William Timkey, Tal Linzen
- 近约 30 天来自 arXiv、bioRxiv、medRxiv、OpenAlex；要点由本站根据摘要撰写。
里程碑 9
大号发光节点是飞跃性突破： AI 飞跃 冷色 · 学科飞跃 暖色 · 双环 = 两者都是
-
数据集
ELARSpeech：从濒危语言档案整理 675 种少数语言、约 3 万小时语音（其中 443 种语言 2791 小时带标注），并发布识别与合成模型AI：为长尾语种语音识别与合成提供迄今覆盖语种最多的公开语料之一；学科：把语言记录档案转为可计算资源，使用须遵守社区同意与非商业条款（预印本）
arXiv预印本 -
论文
PNAS：CHAT 框架显示，经多种校准后 9 个开源大模型生成的社交媒体语言仍可与人类语言系统区分AI：指令微调模型反而不如基础模型像人，更大模型也无明显改善；学科：情感语气等特征仍是人机语言的稳定差异，给用大模型模拟语言行为的研究划定边界
PNAS -
论文
Nature Human Behaviour：大语言模型时代语言多样性收缩AI：大模型参与写作带来可测量的同质化；学科：语言变异与多样性研究出现新的外部驱动因素
Nature Human Behaviour -
论文
区分大模型中的语言能力与思维（Trends in Cognitive Sciences）提出形式语言能力与功能语言能力的区分，影响广泛
Trends in Cognitive Sciences待核实
这个筛选下没有里程碑。
更多论文与仓库 8
最新新闻 5
- Translating in style: An open-weight alternative to GPT-4 for culturally aligned machine translation
arXiv cs.CL于2026-10-20发布的论文，涉及AI 综合、AI 法律政策、AI 安全，原题《Translating in style: An open-weight alternative to GPT-4 for culturally aligned machine t》，详见原文链接。
arXiv cs.CLen论文预印本 - ELARSpeech: A 30K-Hour Dataset Across 675 Underrepresented Languages for Long-Tail Multilingual Speech Technologies
ELARSpeech 从濒危语言档案整理出覆盖 675 种少数语言、约 3 万小时的语音数据集，并发布语音识别/合成模型与处理流程。
arXiven论文预印本 - Large Language Models for Machine Translation Quality Annotation: Humans and Models Are Both Challenged
Apple Machine Learning Research于2026-10-12发布的文章，涉及AI 综合、AI 科研与调研、AI 商业融资，原题《Large Language Models for Machine Translation Quality Annotation: Humans and Models Are Bo》，详见原文链接。
Apple Machine Learning Researchen - 斩获融资的这8家语言学习平台，都在用AI做什么？
芥末堆于2026-10-10发布的文章，涉及AI 教育、AI 商业融资，原题《斩获融资的这8家语言学习平台，都在用AI做什么？》，详见原文链接。
芥末堆zh - 将Gemini当作语音模型，又一家AI语言学习公司拿到融资
芥末堆于2026-09-24发布的文章，涉及AI 教育、AI 商业融资，原题《将Gemini当作语音模型，又一家AI语言学习公司拿到融资》，详见原文链接。
芥末堆zh