跳到正文
arXiv · AI· Kenneth Enevoldsen, Riley Herchert, Sofie Mosegaard, Dan Saattrup Smart, Simon Enni, Isaac Chung, Sofie Bruun, Ayush Sunil Munot, Max M\"uller-Eberstein, Adnan El-Assadi, Elisa Bassignana, Gianluca Barmina, Hafsteinn Einarsson, Iben Nyholm Debess, Linda Freienthal, Lukas Galke Poech, Mike Zhang, Nicolas Legrand, Vladimir Salnikov, Yevhen Kostiuk, Zafar Hussain, Sagandeep Kaur, Agnes Toftg{\aa}rd, Marie Mattson, Kristoffer Nielbo·· 2026-10-05AI 评分36

Multilingual GSM-Symbolic 数据集揭示语言间能力迁移的决定因素

Multilingual GSM-Symbolic: What determines capability transfer across languages?

AI 导读

研究者引入覆盖 15 种语言、含 3 万对匹配样本的 Multilingual GSM-Symbolic 数据集,量化了跨语言数学能力迁移的四大决定因素:模型规模、语言资源水平、推理能力及类型学距离。 实验发现模型规模(β=1.77)是最大正向因子,且大规模模型能缩小高低资源语言间的性能差距,该分析框架可预测未见语言性能误差不超过 6.0pp。

来源:arXiv · AI · arxiv.org