Junxiao Liu

新的R3S框架在无外部数据的情况下提升了多语言LLM的推理能力

研究人员开发了R3S，一个新颖的强化学习框架，旨在提高大型语言模型在多语言理解和推理方面的能力。该框架通过解耦目标语言问题理解和推理能力的优化，解决了处理非英语问题中的瓶颈。R3S在无需外部多语言训练数据或模型反馈的情况下，提炼了翻译奖励并恢复了目标语言的RLVR信号。实验表明，在多种语言的数学和常识基准测试中，准确性得到了显著提高。