蚂蚁数科发布多语种视觉大模型训练框架，能高效识别文档伪造与逻辑冲突

近日，蚂蚁数科在香港金融科技节发布一项新技术——“多语种多模态大模型训练框架”，专门解决大模型在多语言场景的应用瓶颈。随着人工智能的迅速发展，大模型正不断提升各行业的效率。但许多以英文为主训练的模型在小语种环境中表现不稳定，常见语言混用和推理混乱的问题，影响了全球化落地。

为破解这一难题，蚂蚁数科研究团队打造了该训练框架，并在多文化多语言视觉问答基准（CVQA）中取得亮眼成绩。尤其在埃及阿拉伯语、印尼爪哇语、巴哈萨语、巽他语等低资源小语种上表现突出，展现强劲的多语言识别能力，综合排名位居前列。

这次提升的关键在于创新的语言感知优化框架。系统采用“以目标语言思考”的策略，结合更细粒度、跨维度的奖励机制与自动化数据方案，让模型能深度理解并处理小语种。测试显示，相比同规模的开源模型，该框架在主流多语言视觉问答（Multilingual Visual Question Answering，VQA）基准上准确率提升约9.5%；在部分任务中甚至超过 GPT-4o 与 Gemini-2.5-flash 等国际主流闭源模型，评测总分拿到第一。

在安全能力方面，蚂蚁数科同步推出图像安全框架，结合视觉分析与常识推理的伪造识别流程，能够高效发现图片中的视觉不一致与逻辑冲突。该技术不仅可定位被篡改的区域，还能提供可解释分析，显著提升数字内容的风险管控能力。

目前，这两项核心能力已在蚂蚁数科的 ZOLOZ 文档识别鉴真产品（RealDoc）中实现规模化应用，支持 119 种语言，可高效处理多语种的商务文档、合同与证件，覆盖保险理赔、信贷审核及跨境贸易等多种场景。