Luar：让推理语言模型学会何时翻译以提升多语言推理

针对推理语言模型在非英语输入上的多语言推理差距，研究者提出 Luar——一种语言理解边界感知的强化学习框架，训练模型在直接理解不可靠时才调用翻译，否则直接求解原输入。在多语言推理基准上，Luar 优于基于训练的基线，在 Qwen3-4B 上平均准确率较标准 GRPO 提升 8.4 个百分点，低资源语言增益尤为明显，并将翻译调用集中在真正受益的查询上以降低推理成本。