学习何时翻译以实现多语言推理

推理语言模型（RLMs）在复杂任务中表现优异，但在非英语输入上存在显著的多语言推理差距。虽然翻译可缓解理解失败，但全量翻译并非必要。为此，本文提出 Luar，一种感知语言理解边界的强化学习框架，训练 RLMs 仅在直接理解不可靠时选择性调用翻译。实验表明，Luar 在多语言基准测试中优于现有基线，尤其在低资源语言上增益显著，且能避免不必要的翻译操作。