**低资源语言推理微调:SFT构建了什么,RL修复了什么,准确率看不到的真相** _Thinking in a Low-Resource Language:
原帖
**低资源语言推理微调:SFT构建了什么,RL修复了什么,准确率看不到的真相**
_Thinking in a Low-Resource Language: What SFT Builds, What RL Fixes, What Accuracy Cannot See_
> 研究在3.6-4.0B参数的前沿MoE模型上使用希腊语进行推理微调。基础模型从不使用希腊语推理(0/1000条),SFT后在98%的项目上实现语言对齐推理,但准确率基准几乎无变化且噪声极大(仅随机种子变化即可导致7.7分波动)。SFT无法修复格式跳过(25%)、推理泄露(3.5%)等问题,而强化学习成功修复了这些缺陷。研究提出六个行为维度来衡量低资源语言推理能力。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-08-21 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2608.17744)