资讯摘要
论文提出代码切换任务合成方法，用于跨语言可验证奖励强化学习（RLVR）。作者以填空式多项选择问答为种子格式，从原本不可验证的英文领域文本自动生成可验证任务，并改写为保留证据-答案关系的跨语言变体。在韩语医学及四种目标语言网络安全基准上，作者报告代码切换训练的平均目标语言表现优于单语和双语混合基线，英语表现相当。
要点速读
- 论文提出代码切换任务合成，从不可验证的英文领域文本派生目标语言及代码切换RLVR任务变体。
- 以填空式多项选择问答为种子格式，合成任务保留相同证据-答案关系，仅改变英/目标语言证据呈现方式。
- 作者报告在韩语医学及四种目标语言网络安全基准上，代码切换训练平均目标语言表现优于单语和双语混合基线，英语表现相当。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/20 21:06:31（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。