苹果大规模研究：母语做 GRPO 推理训练，效果接近英语
Apple ML Research · rss · 2026-08-18
Apple ML Research 发表论文《GRPO Beyond English》，针对当前 RLVR/GRPO 研究高度以英语为中心的问题，开展了跨基础模型、训练语言和推理语言奖励的大规模多语言实证研究。
核心发现：用模型母语进行推理训练，与直接训练英语推理相比通常只存在很小差距，说明非英语社区也能以本地语言有效开展推理强化学习训练。
「研究」频道最新
- SpliceAI2 剪接变异基准发布,九项评估性能大幅提升 — anshulkundaje · 2026-10-16
- GRPO 后训练会令分布坍缩,长程 Agent 时代反成隐患 — zsakib_ · 2026-10-16
- RFdiffusion3 登 Science:蛋白酶与金属水解酶设计大幅改进 — anshulkundaje · 2026-10-16
- ORL 让扩散语言模型重写速度-智能 Pareto 前沿,吞吐量提升约 6.9 倍 — james_y_zou · 2026-10-16
- CoT 理论论文被赞“解释了 Transformer 为何胜出” — willcb · 2026-10-16
- 陶哲轩警告 AGI 竞赛变味:OpenAI 论文轰炸冲垮初级研究项目 — Hesamation · 2026-10-16