Luar：选择性调用翻译的多语言推理框架

2026年10月15日，arXiv Artificial Intelligence 刊出研究，作者 Deokhyung Kang 与 Hyounghun Kim 提出 Luar——一种语言理解边界感知的强化学习框架，用于应对推理语言模型在非英语输入上的多语言推理差距。该框架训练模型仅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。报道称项目将在此链接公开。目前进展限于该研究发布，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。