斯瓦希里语数学推理不再只求答案:Fikiria用格式门控奖励,14B模型在AfriMGSM上达79.2%
Fikiria把斯瓦希里语数学推理的奖励从只看答案正确,改为同时约束推理过程的语言形态:格式门控乘以答案精确匹配与ChrF++相似度的加权和,后者衡量推理链与斯瓦希里语参考链的表面重合。两阶段先冷启动监督微调、再用GRPO训练,Fikiria-AfriqueQwen-14B在AfriMGSM斯瓦希里语测试集上达到79.2%,同一提示与严格评分下GPT-4o为68.0%;但小规模人工评测中GPT-4o的输出整体更受偏好。