LANG：基于语言自适应提示引导的多语言推理强化学习

强化学习虽能有效提升大模型的多步推理能力，但在多语言场景中应用受限。现有方法面临两难：侧重输入语言一致性会损害推理质量，而侧重推理则导致语言漂移至英语。本文提出 LANG 框架，利用语言条件提示引导非英语推理任务的探索。该方法引入渐进衰减机制逐步撤除辅助，并结合语言自适应开关针对不同语言难度调整学习范围。实验表明，LANG 在显著提升多语言数学推理性能的同时，保持了语言一致性，且具备良好的泛化性。