已发布集合

GRPO 研究显示母语推理训练差距很小

研究结果可帮助多语言推理模型选择强化学习训练语言。

已发布证据

每条内容都保留摘要，并提供回到来源语境的路径。

Apple Machine Learning Research（RSS）2026-08-19

Apple Machine Learning Research 的研究考察 GRPO 在多语言和非英语环境下的表现，覆盖多种基础模型、训练语言及推理语言奖励设置。

为什么重要研究结果可帮助多语言推理模型选择强化学习训练语言。