GRPO Beyond English: A Large-Scale Study of GRPO in Non-English and Multilingual Settings
带可验证奖励的强化学习 (RLVR) 通常通过组相对策略优化 (GRPO) 进行优化，已成为提高预训练语言模型推理能力的核心方法，但目前的研究仍然主要以英语为中心。我们对多语言和非英语 GRPO 进行了大规模的实证研究，涉及广泛的基础模型、训练语言和不同的推理语言奖励。我们发现，母语推理训练通常与英语推理训练差距很小。我们进一步观察到强...
Forty-two families sue Belgian state over Brussels aircraft noise
来自 Dilbeek、Lennik 和 Roosdaal 的 42 个家庭将比利时政府告上法庭，原因是航班靠近布鲁塞尔机场导致飞机噪音增大。这些家庭团结在公民团体 Bruegelvogelvrij 中，反对增加使用 07L 跑道的进近路线，当地称为“Crucke 路线”。他们说飞机现在飞过 [...]
