polyGRPO：言語を潜在変数にする多言語推論のRL最適化

編集メモ: 「polyGRPO」の知見を参考に、多言語を潜在変数として扱う手法は、日本語を含む非英語圏のタスクにおいてモデルの推論能力を大幅に引き上げるための重要な技術的アプローチとなります。