UCLA 借 MoE 路由输出做跨语言对齐，提升多语言性能

UCLA 提出面向 decoder-only LLM 的跨语言对比学习新方法：因多语言 tokenization 不一致，无法像多语言 encoder 那样直接在 hidden states 上施加对齐损失，改用 MoE router 输出作为对齐目标，其更适合跨多 token 池化，可在序列级做更可靠的跨语言比较。