
该论文评估了三个最先进的开源推理模型:DeepSeek R1、Qwen 2.5 (32B) 和 Qwen 3 (235B-A22B),问题以英语呈现,但模型被明确指示以七种目标语言中的一种执行其推理步骤。最终答案必须以英语提供,以确保评估的一致性。实验结果显示,与英语相比,使用非英语语言进行推理始终能实现 20-40% 的显著令牌降低,而且通常不影响准确性。DeepSeek R1 的 token 减少量从 14.1%(俄语)到 29.9%(西班牙语)不等,而 Qwen 3 则表现出更显著的节省,韩语的减少量高达 73%。这些效率提升直接转化为推理成本降低、延迟更低和计算资源需求降低。

马里兰大学和微软的研究论文《One ruler to measure them all: Benchmarking multilingual long-context language models》提出了包含 26 种语言的多语言基准 OneRuler,用于评估大型语言模型(LLM)在长达 128K 令牌的长上下文理解能力。研究者们通过编写英语指令并将其翻译成另外 25 种语言构建了 OneRuler。实验表明,随着上下文长度从 8K 增加到 128K token,低资源语言与高资源语言之间的性能差距日益扩大。令人惊讶的是,英语并不是长上下文任务中表现最好的语言(在 26 种语言中排名第 6),而波兰语位居榜首。在指令和上下文语言不一致的跨语言场景中,根据指令语言的不同,性能波动幅度可达 20%。

既然中英文都不是具有最佳大模型性能的语言,那大模型选择思考语言的方式并不是完全以效率为先。评论区的第二种观点认为训练数据中包含更多中文内容更为合理。国产大模型采用更多中文训练语料,其思考过程出现中文是正常现象。类似的情况也出现在 AI 编程工具 Cursor 发布的新版本 2.0 核心模型「Composer-1」上,因为其思考过程完全由中文构成。
证券时报的文章内容仅供参考,不构成实质性投资建议,据此操作风险自担。下载“证券时报”官方APP或关注官方微信公众号,可以随时了解股市动态,洞察政策信息,把握财富机会
2025-09-20 12:51:47DeepSeek为何发表研究成果“今年是中国人民抗日战争、苏联伟大卫国战争暨世界反法西斯战争胜利80周年,也是联合国成立80周年。
2025-08-13 13:28:21习语丨习近平为何强调“坚持正确二战史观”?当地时间6月26日,西班牙首相桑切斯表示,西班牙作为一个主权国家,决定不将国防开支提升至国内生产总值的5%。他强调,西班牙会履行北约义务,但同时也保持自主权
2025-06-29 12:29:44西班牙为何拒绝北约军费摊派2025年11月16日,新东方32周年庆当天,创始人俞敏洪在南极发来一封992字的全员信,用“冰雪坚守”和“企鹅互助”大谈团队精神
2025-11-18 11:32:47俞敏洪该思考为何能到南极看企鹅