Apple Machine Learning公式発表·2026年8月18日 09:00·約1分

GRPO、非英語・多言語環境での大規模研究を公開

本文の状態

日本語全文あり

詳細モードで約1分の本文を読めます。

同じ出来事の情報源

この情報源を基点に整理

Apple Machine Learning

30秒でわかる

Apple Machine Learning は、GRPO を用いた推論能力向上手法が英語中心である現状に対し、多言語・非英語環境での大規模実証研究を実施し、母語で推論を学習させることが英語学習とほぼ同等の性能を示すことを明らかにした。

記事の3ポイント

GRPO の多言語適用性検証
Apple Machine Learning は、既存の研究が英語中心である課題に対し、複数のベースモデルやトレーニング言語を用いた大規模な実証研究を実施し、GRPO の非英語環境における有効性を示した。
母語学習の性能ギャップ
研究結果によると、推論をネイティブ言語で行うようにトレーニングすることは、英語での推論訓練と比較して僅かな性能差しか生じないことを実証している。
RLVR と GRPO の重要性
検証可能な報酬を用いた強化学習（RLVR）を最適化するGRPOは、事前学習済み言語モデルの推論能力向上における中心的な手法として確立されている。