**Multilingual GSM-Symbolic:揭示跨语言AI能力迁移的关键决定因素** _Multilingual GSM-Symbolic: Wh
原帖
**Multilingual GSM-Symbolic:揭示跨语言AI能力迁移的关键决定因素**
_Multilingual GSM-Symbolic: What determines capability transfer across languages?_
> HuggingFace社区热门论文《Multilingual GSM-Symbolic》提出了一种包含3万对匹配问答、覆盖15种语言的多语言数学数据集,旨在量化跨语言能力迁移的机制。研究发现,模型规模(β=1.77)、语言资源水平(β=0.77)和推理能力(β=0.67)是决定能力迁移的主要因素,而类型学距离影响较小。该框架解释了92%的语言间差异,并预测模型在未见语言上的性能误差仅为6.0个百分点,仅需目标语言10个模板即可将误差降至4.19个百分点,为低资源语言模型开发提供了重要指导。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-05 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2610.03367)