ChLogic：评估中文表达中逻辑推理的鲁棒性

大型语言模型在标准逻辑推理基准上表现优异，但其能力在非英语语境下的鲁棒性尚不明确。本文提出 ChLogic，一个英中对齐基准，旨在测试模型在面对相同潜在逻辑结构但不同中文表面实现时，能否保持推理性能。该基准包含通用对齐、困难对齐及纯中文三个数据集。实验显示存在显著的英中性能差距，回译策略效果不一。结果表明，中文表面实现、翻译伪影及模型特性共同影响多语言逻辑推理的鲁棒性。