苹果研究：中文推理训练与英语差距仅1.1个百分点
实验证明中文推理训练与英语差距极小，中文推理模型有条件从训练源头走独立路线。
苹果联合Hasso Plattner研究所对9个模型、11种语言做了200多组强化学习推理训练实验，发现用中文训练的推理性能与英语仅差1.1个百分点，远低于此前认为的10个百分点以上。这意味着中文推理模型不必先绕道英语，可从训练阶段就用中文，走独立路线。
正文摘录
 新智元报道  最近，Apple 联合 Hasso Plattner 研究所发表论文，在 9 个基座模型、11 种语言上做了超过 200 组 GRPO 强化学习推理训练实验。GRPO 是一种强化学习训练方法，通过奖励信号直接优化模型的推理策略，常用于推理模型的后训练阶段。  https://arxiv.org/pdf/2608.13698 结果显示，用中文做推理训练，与英语训练的性能差距只有 1.1 个百分点，此前同类研究报告的差距是 10 个百分点以上。 GRPO 训练有一个关键设计选择：奖励模型用英语推理，还是用提问者的母语推理。奖励模型负责给模型的输出打分，它用哪种语言推理，会直接影响模型在训练中倾向用哪种语言思考。 选英语，模型收到中文问题也会切到英语思考；选母语，模型全程用中文。 此前研究认为母语推理性能代价太大，非英语团队只能默认走英语推理路线。 这篇论文说，代价远没有那么大——对中文来说只有 1 个百分点。这直接改变了路线判断： 中文推理模型有条件从训练阶段就跳过英语，走自己的路。 对中文 AI 从业者来说，这是推理模型能否走独立路线的前置条件。 论文同时发现，跨语言迁移广泛有效，但特定模型-语言组合会触发极端性能塌方。