Luar：训练推理模型选择性翻译
热点事件持续更新
Luar：训练推理模型选择性翻译
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
研究者 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，让推理语言模型在直接理解不可靠时才调用翻译，以应对非英语输入上的理解失败。在 Qwen3-4B 上，论文称 Luar 较标准 GRPO 平均准确率提升 8.4 个百分点，低资源语言增益尤为显著；翻译调用集中在真正受益的查询上，从而降低推理成本。项目将公开发布。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
Luar：让推理语言模型学会何时翻译以提升多语言推理报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.AILuar：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理解失败问题，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。在 Qwen3-4B 上，Luar 较标准 GRPO 平均准确率提升 8.4 个百分点，低资源语言增益尤为显著，并将翻译调用集中在真正受益的查询上以降低推理成本。项目将公开发布。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。