蚂蚁数科发布多语种多模态大模型训练框架，突破小语种AI理解瓶颈

蚂蚁数科近日在香港金融科技节上发布了一项名为“多语种多模态大模型训练框架”的创新技术，旨在解决传统大模型在小语种环境中的表现瓶颈。该框架通过创新的语言感知优化机制，显著提升了模型对资源稀缺语言的深度理解能力，尤其在埃及阿拉伯语、印尼爪哇语、巴哈萨语及巽他语等小语种任务中表现突出。

技术突破方面，该框架采用“以目标语言进行思考”的核心机制，结合细粒度多维度奖励策略与自动化数据解决方案，在主流多语言视觉问答（VQA）基准测试中实现了约9.5%的准确率提升。测试数据显示，其综合性能超越同等规模开源模型，并在部分任务中优于GPT-4o、Gemini-2.5-flash等国际主流闭源模型，评测总分位列第一。

同步发布的图像安全框架融合了视觉分析与常识推理技术，可识别图像边缘、光照等视觉不一致线索，同时基于商业逻辑检测矛盾实体（如虚构的“KFC BANK”）。通过深度思考模型与强化学习技术，该框架能实现端到端的篡改区域定位与可解释分析，有效提升数字内容风控水平。

目前，这两项技术已集成至ZOLOZ文档识别鉴真产品RealDoc，支持119种语言的商务文档、合同与证件处理，覆盖保险理赔、信贷审核及跨境贸易等场景。蚂蚁数科表示，未来将进一步拓展该技术在智能客服、数字政务等领域的应用，推动AI服务的全球化普惠发展。