Angesichts der sich stetig weiterentwickelnden Landschaft gro\u00dfer Sprachmodelle (LLMs) hat sich das Instruction-Tuning mit multilinguale Daten zu einem wichtigen Schwerpunktbereich entwickelt. Die Studie, die im Rahmen des OpenGPT-X-Projekts<\/a> durchgef\u00fchrt wurde – mit dem Ziel, ein europ\u00e4isches mehrsprachiges LLM zu entwickeln, das auf die Bed\u00fcrfnisse von Unternehmen und Forschung zugeschnitten ist -, untersucht die Auswirkung von mehrsprachigem Instruction-Tuning auf die Leistung mehrsprachiger Modelle und geht dabei auf drei wesentliche Herausforderungen ein: <\/p>\n\n\n\n Daraus ergab sich die zentrale Problemstellung: <\/p>\n\n\n\n F\u00fcr ein mehrsprachiges Modell \u2013 d.h. ein Modell, das gr\u00f6\u00dftenteils auf nicht-englischen Dokumenten vortrainiert wurde \u2013 stellt sich die Frage, welche sprachliche Zusammensetzung der Konversation am besten geeignet ist, um das Modell in die Lage zu versetzen, Anweisungen in verschiedenen Sprachen zu befolgen.<\/strong> <\/p>\n\n\n\n