論文の概要: IRIS: Interleaved Reinforcement with Incremental Staged Curriculum for Cross-Lingual Mathematical Reasoning

• arxiv url: http://arxiv.org/abs/2604.24114v1
• Date: Mon, 27 Apr 2026 07:10:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:07.781603
• Title: IRIS: Interleaved Reinforcement with Incremental Staged Curriculum for Cross-Lingual Mathematical Reasoning
• Title（参考訳）: IRIS(Interleaved Reinforcement with Incremental Staged Curriculum for Cross-Lingual Mathematical Reasoning)
• Authors: Navya Gupta, Rishitej Reddy Vyalla, Avinash Anand, Chhavi Kirtani, Erik Cambria, Zhengchen Zhang, Zhengkui Wang, Timothy Liu, Aik Beng Ng, Simon See, Rajiv Ratn Shah,
• Abstract要約: IRISは2軸フレームワークであり、逆カリキュラム強化学習(Reverse Curriculum Reinforcement Learning)で徐々に難しい問題にスーパーバイザード・ファインチューニング(Supervised Fine-Tuning)を組み合わせる。 CL-Mathは、英語、ヒンディー語、マラシ語でステップレベルのアノテーションを持つ29k問題のデータセットです。 IRISは標準ベンチマークと多言語テストセットのパフォーマンスを継続的に改善する。
• 参考スコア（独自算出の注目度）: 54.28485292978118
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Curriculum learning helps language models tackle complex reasoning by gradually increasing task difficulty. However, it often fails to generate consistent step-by-step reasoning, especially in multilingual and low-resource settings where cross-lingual transfer from English to Indian languages remains limited. We propose IRIS: Interleaved Reinforcement with Incremental Staged Curriculum, a two-axis framework that combines Supervised Fine-Tuning on progressively harder problems (vertical axis) with Reverse Curriculum Reinforcement Learning to reduce reliance on step-by-step guidance (horizontal axis). We design a composite reward combining correctness, step-wise alignment, continuity, and numeric incentives, optimized via Group Relative Policy Optimization (GRPO). We release CL-Math, a dataset of 29k problems with step-level annotations in English, Hindi, and Marathi. Across standard benchmarks and curated multilingual test sets, IRIS consistently improves performance, with strong results on math reasoning tasks and substantial gains in low-resource and bilingual settings, alongside modest improvements in high-resource languages.
• Abstract（参考訳）: カリキュラム学習は、言語モデルがタスクの難易度を徐々に増加させることで複雑な推論に取り組むのに役立つ。 しかし、特に英語からインド語への言語間移動が制限されている多言語および低リソースの設定において、一貫したステップバイステップの推論を生成することに失敗することが多い。 IRIS: Interleaved Reinforcement with Incremental Staged Curriculum, a two-axis framework that a Supervised Fine-Tuning on Progressly harder problem (vertical axis) with Reverse Curriculum Reinforcement Learning to reduce reliance by step-by-step guidance (horizontal axis)。 我々は,グループ相対政策最適化(GRPO)によって最適化された,正当性,ステップワイドアライメント,連続性,数値インセンティブを組み合わせた複合報酬を設計する。 CL-Mathは、英語、ヒンディー語、マラシ語でステップレベルのアノテーションを持つ29k問題のデータセットです。 標準ベンチマークと多言語テストセットのキュレーションにより、IRISは一貫してパフォーマンスを向上し、数学推論タスクの強力な結果と、低リソースおよびバイリンガル設定の大幅な向上と、高リソース言語の改善が図られている。

関連論文リスト

• English is Not All You Need: Systematically Exploring the Role of Multilinguality in LLM Post-Training [7.141617235075284]
  ポストトレーニングパイプラインは主に英語中心であり、言語間のパフォーマンス格差に寄与している。 本稿では,学習言語カバレッジ,モデルスケール,タスクドメイン間の相互作用を体系的に制御した研究を行う。 ポストトレーニング中の言語カバレッジの増加は、タスクやモデルスケールに大きく影響している。
  論文  参考訳（メタデータ） (2026-04-14T20:26:34Z)
• CLEAR: Cross-Lingual Enhancement in Alignment via Reverse-training [25.752819016822574]
  クロスLingual Enhancement in Retrieval via Reverse-training (CLEAR) は、逆トレーニングスキームを用いて検索性能を向上させる新しい損失関数である。 CLEARは、特に低リソース言語で最大15%向上した、言語間シナリオの顕著な改善を実現している。
  論文  参考訳（メタデータ） (2026-04-07T12:54:38Z)
• Code-Switching In-Context Learning for Cross-Lingual Transfer of Large Language Models [64.54005959758733]
  我々は,コードスイッチング・イン・コンテキスト・ラーニング(CSICL)を,推論中の翻訳障壁を克服するための原則的かつ堅牢なアプローチとして導入する。 4つのLLM、6つのデータセット、10の言語にわたる広範な実験を行い、知識集約型ドメインと推論指向ドメインの両方にまたがる。 その結果、CSICLはX-ICLベースラインを一貫して上回り、ターゲット言語と見当たらない言語の両方で3.1%pと1.9%pを達成した。
  論文  参考訳（メタデータ） (2025-10-07T08:35:42Z)
• Improving Generative Cross-lingual Aspect-Based Sentiment Analysis with Constrained Decoding [0.8602553195689511]
  本稿では,シーケンス・ツー・シーケンスモデルを用いた制約付き復号法を提案する。 最も複雑なタスクでは、言語間のパフォーマンスを平均で5%向上させる。 我々は7つの言語と6つのABSAタスクにまたがるアプローチを評価した。
  論文  参考訳（メタデータ） (2025-08-14T06:07:53Z)
• Demystifying Multilingual Chain-of-Thought in Process Reward Modeling [86.98098988779809]
  プロセス報酬モデル(PRM)を多言語設定に拡張するという課題に対処する。 我々は、7つの言語にまたがるデータセット上で多言語PRMを訓練し、それを英語から翻訳する。 本結果は,学習言語数と英語データ量の両方に対する多言語PRMの感度を強調した。
  論文  参考訳（メタデータ） (2025-02-18T09:11:44Z)
• No Train but Gain: Language Arithmetic for training-free Language Adapters enhancement [59.37775534633868]
  本稿では,学習不要な後処理が可能な言語演算法を提案する。 提案手法の有効性を,MAD-Xに基づく言語間スキームの3つの下流課題に適用した。
  論文  参考訳（メタデータ） (2024-04-24T08:52:40Z)
• Promoting Generalized Cross-lingual Question Answering in Few-resource Scenarios via Self-knowledge Distillation [2.2493846458264386]
  本稿では,G-XLT(Generalized Cross-Lingual Transfer)タスクを中心に,言語間移動について検討する。 提案手法は,大規模データセットで学習した高性能多言語モデルを用いて,言語間QA転送を改善することを目的としている。 そこで我々は,mAP@k係数を導入した。
  論文  参考訳（メタデータ） (2023-09-29T10:54:59Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。