Bridging the Reasoning Gap in Vietnamese with Small Language Models via Test-Time Scaling
该论文针对越南语小语言模型（SLM）存在的推理能力不足问题，通过构建本地化数据集和基准测试，证明了监督微调（SFT）结合简化的测试时扩展策略（如纯思维链与自一致性）比复杂的代理工作流更能有效消除格式鸿沟并提升推理质量。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
这篇论文讲述了一个关于如何让“小个子”人工智能（AI）也能像“大聪明”一样会思考、会讲道理的故事。
想象一下，现在的超级 AI（像 GPT-4 或 Gemini）就像是一个住在豪宅里的天才教授，知识渊博，逻辑严密，但非常“费油”（需要巨大的算力和电力），普通手机或小型设备根本带不动。而这篇论文研究的对象（Qwen3-1.7B）则像是一个只有 1.7 亿参数的“小天才”，它很聪明，但住在“小茅屋”里，资源有限。
1. 核心问题：小天才的“哑巴”困境
研究人员发现，这个小天才其实心里什么都懂（计算能力很强），但它不会说话，或者说，它不会用越南语把解题过程讲清楚。
- 比喻：就像你让一个数学天才小学生做应用题。他脑子里瞬间算出了答案"5"，但他写出来的过程是乱码，或者直接用英语写，甚至只写个"5"就完了。老师（用户）看不懂，觉得他“没经过思考”。这就是所谓的**“推理鸿沟”**：心里有答案，但表达不出来，或者表达得乱七八糟。
2. 解决方案：给小天才“特训”和“教方法”
为了解决这个问题，研究团队做了两件事：
A. 制作了一本“越南语解题秘籍” (Vi-S1K 数据集)
他们利用一个更强大的 AI（Gemini），把原本用英语写的、逻辑严密的解题步骤，**“翻译”并“改编”**成了地道的越南语小学教材风格。
- 比喻：这不仅仅是把英语书翻译成越南语，而是把书里的“美国式解题习惯”改成了“越南式解题习惯”。比如，把“小数点”改成越南人习惯的“逗号”，把题目里的场景改成越南孩子熟悉的“卖橙子”而不是“买苹果”。
- 结果：小天才读了这本秘籍后，学会了**“如何像老师一样一步步讲解”**。
B. 尝试不同的“考试策略” (提示词工程)
研究团队测试了五种让小天才“思考”的方法，看看哪种最有效：
- 直接问（零样本）：直接问答案。
- 给例子（少样本）：先给几个例题让它模仿。
- 一步步想（思维链 CoT）：命令它“请一步步思考”。
- 多想几次选最好的（自一致性）：让它做 5 遍，然后投票选出一个最靠谱的答案。
- 角色扮演（ReAct）：让它扮演一个侦探，按“思考 - 行动 - 观察”的格式来解题。
3. 惊人的发现：越简单越有效！
这是论文最有趣的地方。通常大家觉得越复杂的框架（比如 ReAct 角色扮演）越高级，但在这个“小茅屋”里，复杂的框架反而成了负担。
- 比喻：
- 思维链 (CoT) 就像让小天才专心致志地解题。它很有效。
- ReAct (角色扮演) 就像给小天才戴上了一个沉重的“思考头盔”，上面还要写着“思考中... 行动中... 观察中..."。对于只有 1.7 亿参数的小天才来说，戴头盔太累了，它忙着维持这个复杂的格式，反而忘了怎么解题，导致成绩下降。
- 结论：对于小模型，“少即是多”。让它直接一步步思考，比让它搞复杂的角色扮演要聪明得多。
4. 最终成果：从“计算器”变身“好老师”
经过“特训”（微调）和“正确的方法”（CoT），这个小天才发生了质变：
- 以前：像个计算器。你问它"2+2 等于几”，它直接吐"4"，但如果你问“为什么”，它就胡言乱语。
- 现在：像个耐心的越南语家教。它不仅算对了，还能用越南语清晰地写出：“因为 2 加 2 等于 4，所以..."。
- 数据：它的“讲解质量”提升了 77%！这意味着它从只会算数，变成了会教书。
5. 这对我们意味着什么？
这篇论文告诉我们，不需要等到拥有超级计算机，小设备上的小 AI 也能变得很聪明，只要我们：
- 给对教材：用本地化、高质量的数据去训练它。
- 用对方法：不要给它太复杂的任务框架，让它简单直接地思考。
- 多试几次：让它多算几遍，选个最好的答案（自一致性），能大幅提高准确率。
一句话总结：
这篇论文证明了，只要给“小 AI"穿上合脚的“越南语鞋子”（本地化数据），并教它用“简单直接”的方式思考（而不是复杂的角色扮演），它就能在普通的手机上，像一位优秀的越南小学老师一样，清晰地解答数学难题。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。