arXiv cs.AI· Jessica Lundin, Katherine Rosenfeld, David Adelani, Geoffrey Mosoti Nyakiongora, Halfan Ngowo, Sloan Coffin, Ralph Abboud, Guillaume Chabot-Couture·· 1 天前AI 评分29
Fikiria：用强化学习提升斯瓦希里语数学推理
Show Your Work in Swahili: Reinforcement Learning for Native-Language Mathematical Reasoning
AI 导读
Fikiria 是一套两阶段 SFT+GRPO 训练方案，用于斯瓦希里语数学推理，其奖励函数将格式门控与答案准确率、推理链与本地参考思维链的 ChrF++ 相似度加权求和相乘。
正文 · AI 翻译
摘要：我们提出 Fikiria，一种用于斯瓦希里语数学推理的两阶段 SFT+GRPO 方案。其奖励将格式门控与答案准确率及斯瓦希里语推理与语言内参考思维链的 ChrF\texttt{++} 相似度的加权和相乘，从而使训练针对推理轨迹的表面保真度，而不仅仅是最终答案。我们在一个 2.3k 问题的斯瓦希里语数据集上训练，该数据集通过用 GPT-4.1 翻译 GSM8K 并用 SSA-COMET 过滤创建。在 AfriMGSM 斯瓦希里语上，Fikiria-AfriqueQwen-14B 达到 79.2\%。在相同的固定提示和严格的答案格式评分下，GPT-4o 达到 68.0\%，部分原因是它经常无法满足要求的答案格式；IrokoBench 报告 GPT-4o 在使用每模型最佳提示时达到 78.8\%，这一数字在数值上接近我们的结果，但不可直接比较。在与共同作者标注者进行的小型人工评估中，GPT-4o 的输出总体上更受偏好。ChrF\texttt{++} 衡量的是表面保真度，而非单个推理步骤的有效性。
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.16104 [cs.CL] |
| （或 arXiv:2611.16104v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.16104 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Jessica Lundin PhD [查看电子邮件]
[v1]
2026年11月11日星期三 23:25:01 UTC（2,141 KB）
来源：arXiv cs.AI · arxiv.org