多语言推理

最新研究发现，虽然可通过GRPO训练让大模型实现日语推理，但其性能仅与英语推理基线持平，且日语推理并未带来文化相关任务的免费提升。

研究者提出PCS框架，仅需轻量翻译即可将大模型的英语推理能力迁移至其他语言，无需依赖昂贵的外部模型蒸馏或监督。