用英语思考，用韩语回答：多语言工具使用智能体的高效适配

本文提出了 LuckyStar 111B，这是一款专为韩英企业智能体设计的混合推理模型，旨在满足实际内存与服务约束。该模型基于 Cohere 的 Command A 模型进行后训练，利用前缀条件在简洁行为与工具导向推理间切换。研究探讨了四种高效扩展策略：多语言监督微调、针对多步工具任务的强化学习、面向韩语回复的语言一致性奖励以及单 GPU 服务的 4 比特量化。结果表明，该模型在提升数学推理、函数调用及自然语言转 SQL 性能的同时，保留了通用的指令遵循能力，为资源受限下的多语言智能体部署提供了实用方案。