螞蟻數科推出多語種視覺大模型訓練框架，高效識別文檔僞造與邏輯矛盾

近日， 螞蟻數科在香港金融科技節上發佈了一項革命性的技術 ——“多語種多模態大模型訓練框架”，旨在解決當前大模型在多語言環境中的應用瓶頸。隨着人工智能技術的飛速發展，大模型正逐漸成爲提升各行業效率的重要工具。然而，傳統以英文爲母語的大模型在小語種環境中表現不佳，常常面臨 “語言錯亂” 和推理信息混亂的問題，這嚴重製約了其全球化應用。

爲應對這一挑戰，螞蟻數科的研究團隊開發了這一新框架，並在多文化多語言視覺問答基準測試（CVQA）中取得了顯著成果。該框架在埃及阿拉伯語、印尼爪哇語、巴哈薩語及巽他語等資源稀缺的小語種上表現尤爲突出，展現出卓越的多語言識別能力，成功躋身榜首。

這一突破的核心在於創新的語言感知優化框架。該框架通過 “以目標語言進行思考” 的機制，結合細粒度多維度的獎勵策略與自動化數據解決方案，實現在小語種的深度理解和處理。根據測試結果，與同等規模的開源模型相比，該框架在主流多語言視覺問答（Multilingual Visual Question Answering， VQA）基準測試中準確率提升了約9.5%，在部分任務中甚至優於 GPT-4o 和 Gemini-2.5-flash 等國際主流閉源模型，獲得評測總分第一。

在安全能力方面，螞蟻數科還推出了圖像安全框架，結合視覺分析與常識推理的僞造識別路徑，能夠高效識別圖像中的視覺不一致性和邏輯矛盾。這一技術不僅能夠定位篡改區域，還能進行可解釋分析，顯著提升數字內容的風險控制能力。

作爲螞蟻數科全球業務的核心技術，這兩項能力已在 ZOLOZ 文檔識別鑑真產品（RealDoc）中實現了規模化應用，支持119種語言，能夠高效處理多語種商務文檔、合同和證件，覆蓋保險理賠、信貸審覈及跨境貿易等多個場景。