Badacze wykazali, że jest możliwe trenowanie modeli języka do rozumowania w japońskim zamiast angielskiego, który dotychczas dominuje ze względu na obfitość danych treningowych. Wytrenowali japońską wariantę Qwen-3-Swallow-8B przy użyciu techniki GRPO, testując model na benchmarkach z zakresu programowania, matematyki i nauk przyrodniczych. Wyniki pokazują, że kontrola języka rozumowania jest wykonalna poprzez ciągłe pretrening modelu na japońskim tekście.
Jednak przeprowadzone eksperymenty ujawniają istotne ograniczenia tego podejścia. Wydajność wytrenowanego modelu jest co najwyżej równoległa z mocnymi liniami bazowymi anglojęzycznymi na wielu benchmarkach, co oznacza, że rozumowanie w innym języku nie automatycznie poprawia jakość wyjściowych odpowiedzi. Dodatkowo, gdy testowano model na japońskich benchmarkach kulturowych, jego wydajność znacznie spadła w porównaniu z modelami bazowymi.
Badanie sugeruje, że wprowadzanie możliwości rozumowania w językach pozaangielskich wiąże się z rzeczywistymi kosztami wydajnościowymi i kulturowymi. Mimo że ślady rozumowania są ważne dla interpretabilności modeli i bezpieczeństwa, a także przydatne zarówno dla użytkowników jak i twórców, dostosowanie modeli do lokalnych potrzeb językowo-kulturowych pozostaje złożonym wyzwaniem w dziedzinie sztucznej inteligencji.