非英语语言中的推理成本：以日语为例的研究

arXiv cs.CL 论文
reasoning cost non-english japanese ai-research multilingual

摘要

本文以日语为例，研究非英语语言中的推理计算成本，以揭示当前人工智能系统中的低效问题。

arXiv:2607.10114v1 Announce Type: new 摘要：推理语言模型（RLMs）在使用英语进行推理时表现最强，因为英语是推理导向训练数据最丰富的语言。然而，推理痕迹是模型可解释性和安全性的线索，并且对模型用户和开发者都具有实际用途。因此，能够开发出一种以用户选择的语言进行推理、同时保持强大推理性能的模型是很有必要的。为此，我们研究了训练一个以日语进行推理的模型的可行性。我们开发了Qwen-3-Swallow-8B的日语推理变体，该模型是在Qwen-3-8B基础上持续预训练的日语大语言模型，使用GRPO进行训练，并在编程、数学和科学基准上进行评估。研究表明，通过使用GRPO训练日语持续预训练模型，推理语言控制是可行的。然而，在多个基准上，其性能最多只与强英语推理基线持平。我们还对训练后的模型进行了日本文化基准测试，观察到其性能低于基线模型，这表明用日语推理并不能自动提升与文化相关任务的表现。
查看原文
查看缓存全文

缓存时间: 2026/07/14 04:21 

# 非英语语言推理的成本：以日语为例的案例研究  
来源：https://arxiv.org/abs/2607.10114  
参考文献工具  

## 参考文献与引用工具  

文献探索器 切换  

代码、数据、媒体  

## 本文相关的代码、数据和媒体  

演示  

## 演示  

相关论文  

## 推荐工具与搜索工具  

关于 arXivLabs  

## arXivLabs：与社区合作者共同进行的实验性项目  

arXivLabs 是一个框架，允许合作者直接在我们的网站上开发和共享新的 arXiv 功能。  

与 arXivLabs 合作的个人和组织都接受并认同我们关于开放性、社区、卓越性和用户数据隐私的价值观。arXiv 坚守这些价值观，并只与遵守这些价值观的合作伙伴合作。  

有什么能为 arXiv 社区增加价值的项目想法吗？**了解更多关于 arXivLabs 的信息** (https://info.arxiv.org/labs/index.html)。

相似文章

大规模推理模型（尚）不是多语言潜在推理器

arXiv cs.CL

本文研究了大规模推理模型在11种语言上的多语言潜在推理能力，发现虽然存在潜在推理能力，但分布不均——在资源丰富的语言中较强，在低资源语言中较弱。研究发现，尽管表面存在差异，但内部推理机制在很大程度上与英语中心的路径保持一致。

多语言思维，而非更难的思维：教授推理模型代码切换的数据高效框架

arXiv cs.CL

本文介绍了一个数据高效的微调框架，用于教授推理模型有效地进行代码切换（混合使用多种语言），证明了战略性的代码切换可以提升低资源语言的推理能力。该工作分析了大型语言模型在不同语言、任务和领域中的代码切换行为，并开发了促进有益代码切换模式的干预措施。