[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-parallel-sft-code-rl-cross-language-transfer-zh":3,"article-related-parallel-sft-code-rl-cross-language-transfer-zh":26,"series-research-b418bc8d-86c6-44d6-93f0-e26473db9649":69},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":11,"views":23,"created_at":24,"published_at":25,"topic_cluster_id":11},"b418bc8d-86c6-44d6-93f0-e26473db9649","parallel-sft-code-rl-cross-language-transfer-zh","Parallel-SFT 讓 code RL 更會跨語言","\u003Cp>很多 code model 在 Python、C++ 看起來很強，一換到低資源程式語言就掉速。\u003Ca href=\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2604.20835\">Parallel-SFT: Improving Zero-Shot Cross-Programming-Language Transfer for Code RL\u003C\u002Fa> 這篇論文想處理的，就是這個落差。作者的判斷不是「程式能力只屬於某一種語言」，而是現有訓練流程沒有把這些能力好好推向可轉移的表示。\u003C\u002Fp>\u003Cp>它的核心想法很直接：如果模型在 RL 之前，就先看過多種語言寫出的等價程式，或許能先學到比較語言無關的內部表徵。這樣一來，後面的 reinforcement learning 不會只把能力鎖在來源語言，而是更有機會往其他語言擴散。\u003C\u002Fp>\u003Ch2>這篇論文要解的痛點\u003C\u002Fh2>\u003Cp>這篇研究聚焦在 zero-shot cross-programming-language transfer for code RL。白話一點，就是先在某個來源語言上做 code generation 的強化學習，再看模型能不能把 RL 帶來的好處，直接轉到其他目標語言，而且不用再針對目標語言額外做 RL。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1776924588963-c6d5.png\" alt=\"Parallel-SFT 讓 code RL 更會跨語言\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>這件事很重要，因為現實世界的程式語言分布很不平均。常見語言像 Python、C++ 資料多、模型也比較熟；但很多低資源語言資料少，效果通常就差一截。論文把這個問題視為資料與訓練設定的組合問題：模型不是不會寫程式，而是它看到的訓練訊號太偏向少數語言。\u003C\u002Fp>\u003Cp>作者也指出一個關鍵現象：在 Llama-3.1 上，針對來源程式語言做 RL，並不會自動讓其他目標語言一起變好，甚至可能讓表現退步。也就是說，RL 的收益未必會自然跨語言傳遞，這正是 \u003Ca href=\"\u002Fnews\u002Fspeechparaling-bench-paralinguistic-speech-generation-zh\">Para\u003C\u002Fa>llel-SFT 想修補的缺口。\u003C\u002Fp>\u003Ch2>Parallel-SFT 到底怎麼做\u003C\u002Fh2>\u003Cp>這個方法不是直接改 RL 本身，而是先改 RL 前面的 su\u003Ca href=\"\u002Fnews\u002Fflorida-criminal-probe-openai-chatgpt-zh\">pe\u003C\u002Fa>rvised fine-tuning。作者的假設是：如果 SFT 階段就讓模型建立比較能跨語言泛化的初始化，後面的 RL 才比較容易把能力帶到別的語言。\u003C\u002Fp>\u003Cp>Parallel-SFT 的做法是把「parallel programs」混進 SFT 資料裡。這些程式在功能上等價，但分別用多種程式語言實作。模型不再只看單一語言版本，而是同時看見同一個任務在不同語法外觀下的對應關係。\u003C\u002Fp>\u003Cp>這個設計很像在幫模型建立「語意對齊」：不要先把每個語言當成獨立技能，而是先讓模型意識到，底層做的事情其實相同，只是表達方式不同。論文的主張也不是模型因此變成某種通用編譯器式表示，而是這種 SFT 初始化，能讓後續 RL 的轉移性更好。\u003C\u002Fp>\u003Cp>所以，Parallel-SFT 不是一個新的 RL 演算法。它比較像是前置訓練策略，目標是把模型帶到一個比較適合跨語言轉移的起點，再交給 RL 去放大效果。\u003C\u002Fp>\u003Ch2>論文實際證明了什麼\u003C\u002Fh2>\u003Cp>摘要裡最明確的結果，是方向性的：作者在 Parallel-SFT 模型上做 RL 後，觀察到對未見過的程式語言有更好的泛化，優於基準設定。不過摘要沒有公開完整 benchmark 細節，所以這裡沒有數字可直接對照。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1776924604704-bx3r.png\" alt=\"Parallel-SFT 讓 code RL 更會跨語言\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>論文還做了內部表示分析。作者指出，Parallel-SFT 會讓 latent space 更偏向功能導向，也就是說，不同語言但功能相同的程式，會在表示空間裡更靠近。作者認為，這種更緊密的聚類，可能就是它能提升 RL 後跨語言轉移的原因之一。\u003C\u002Fp>\u003Cp>這點很值得注意。因為如果改善只是來自某種表面上的微調技巧，那影響可能很脆弱；但如果模型真的開始用「這段程式在做什麼」來組織表示，而不是只看語法長相，那跨語言任務就比較有機會受益。對 code RL 來說，這是很合理的方向。\u003C\u002Fp>\u003Cp>不過，摘要能支持的證據也就到這裡。它告訴我們方法有效，但沒有交代完整評估任務、提升幅度、涵蓋哪些語言、或不同模型尺寸與 RL 目標是否都一致受益。\u003C\u002Fp>\u003Ch2>對開發者有什麼意義\u003C\u002Fh2>\u003Cp>如果你在做 code model、coding assistant，或是需要多語言支援的 a\u003Ca href=\"\u002Fnews\u002Ffree-ai-agent-resources-bookmark-guide-zh\">gent\u003C\u002Fa>，這篇論文的訊息很直接：不要只盯著 RL 配方，SFT 的初始化可能同樣關鍵。很多人會把重點放在 reward、rollout、policy update，但這篇工作提醒你，模型一開始學到的表示方式，會影響後面 RL 的收益能不能跨語言延伸。\u003C\u002Fp>\u003Cp>對資料資源有限的團隊來說，這也提供一個可操作的思路：如果目標語言資料少，也許可以先用多語言等價程式把共享語意教進去，再進行 RL。這不代表問題就消失，但至少能把來源語言的監督訊號，轉成比較可轉移的形式。\u003C\u002Fp>\u003Cul>\u003Cli>用對齊的多語言實作，教模型共享語意，而不只是記住語法。\u003C\u002Fli>\u003Cli>不要假設某個語言上的 RL 成果，會自然複製到其他語言。\u003C\u002Fli>\u003Cli>把 SFT 視為表示塑形，不只是 instruction following。\u003C\u002Fli>\u003Cli>若要支援長尾程式語言，前置資料設計可能比後段優化更重要。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>從工程角度看，這篇論文也在提醒一件事：如果你的系統要跨格式、跨方言、跨語言泛化，先讓模型看見平行樣本，可能比直接把優化火力開大更穩。這種做法不一定最炫，但常常更實用。\u003C\u002Fp>\u003Ch2>限制與還沒回答的問題\u003C\u002Fh2>\u003Cp>這篇摘要的限制也很明顯。它沒有說明用了多少種程式語言，也沒有列出來源語言和目標語言是哪些。各語言家族之間是否都能同樣受益，摘要裡也看不出來。\u003C\u002Fp>\u003Cp>另一個現實限制是，Parallel programs 本身不容易取得。對低資源語言來說，功能等價、又彼此對齊的程式資料可能比一般訓練資料更稀缺。換句話說，這個方法雖然概念清楚，但資料建置本身可能就是門檻。\u003C\u002Fp>\u003Cp>此外，作者的表示分析很有說服力，但還不能算鐵證。功能相近的程式在 latent space 更靠近，確實和更好的轉移能力一致，但這不代表已經完全證明因果關係。作者目前的說法比較像是提出一個合理機制，後續還需要更多驗證。\u003C\u002Fp>\u003Cp>即使如此，這篇工作仍然有一個很實際的提醒：code RL 的成敗，不只看 reward 怎麼設，也不只看 rollout 多漂亮。若你想讓模型真的跨語言，可能得先在 RL 之前，把它的語意表示往「功能」而不是「語法」的方向推。\u003C\u002Fp>","Parallel-SFT 用多語言等價程式做 SFT，想讓後續 code RL 的零樣本跨語言轉移更穩，特別是低資源程式語言。","arxiv.org","https:\u002F\u002Farxiv.org\u002Fabs\u002F2604.20835",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1776924588963-c6d5.png","research","zh","0e7d8f32-289f-4117-861c-6feb9bd2eb29",[17,18,19,20,21,22],"Parallel-SFT","code RL","zero-shot transfer","cross-programming-language transfer","SFT","latent space",7,"2026-04-23T06:09:32.299476+00:00","2026-04-23T06:09:32.275+00:00",{"tags":27,"relatedLang":28,"relatedPosts":32},[],{"id":15,"slug":29,"title":30,"language":31},"parallel-sft-code-rl-cross-language-transfer-en","Parallel-SFT aims to make code RL transfer better","en",[33,39,45,51,57,63],{"id":34,"slug":35,"title":36,"cover_image":37,"image_url":37,"created_at":38,"category":13},"d6f25c66-98f5-4971-8d1d-487fb5fe1881","claude-sonnet-46-sre-benchmark-rootly-zh","Claude Sonnet 4.6 對上 SRE 工作更接近 Opus","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782750780131-xelc.png","2026-06-29T16:32:28.457338+00:00",{"id":40,"slug":41,"title":42,"cover_image":43,"image_url":43,"created_at":44,"category":13},"29321237-6e9a-4271-b9fb-e43e798d5dff","glm-52-beats-claude-semgrep-idor-test-zh","GLM 5.2 在 IDOR 測試贏過 Claude","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782749882713-7i5n.png","2026-06-29T16:17:31.911487+00:00",{"id":46,"slug":47,"title":48,"cover_image":49,"image_url":49,"created_at":50,"category":13},"5172bfc7-34c8-4477-a177-ffa615497ecf","opd-distillation-skills-without-bruteforce-rl-zh","OPD 讓你把技能蒸餾進模型","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782730101413-5wjx.png","2026-06-29T10:47:57.457072+00:00",{"id":52,"slug":53,"title":54,"cover_image":55,"image_url":55,"created_at":56,"category":13},"6f5be102-5764-44f1-ab3f-722fc5c32c23","google-deepmind-turns-science-into-tools-zh","Google DeepMind把AI變研究工具","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782721105628-g4op.png","2026-06-29T08:17:57.716568+00:00",{"id":58,"slug":59,"title":60,"cover_image":61,"image_url":61,"created_at":62,"category":13},"c649adb7-c8ae-4ade-a092-2c0d53beeb71","measuring-llm-behavior-portability-zh","LLM 行為不一定可移植","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782717472977-na8g.png","2026-06-29T07:17:29.597679+00:00",{"id":64,"slug":65,"title":66,"cover_image":67,"image_url":67,"created_at":68,"category":13},"637c3016-e364-4bfe-904e-5e60a18ed678","prompt-injection-ai-security-problem-zh","Prompt injection 已是 AI 資安問題","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782716580916-m1nm.png","2026-06-29T07:02:36.173749+00:00",[70,75,80,85,90,95,100,105,110,115],{"id":71,"slug":72,"title":73,"created_at":74},"f18dbadb-8c59-4723-84a4-6ad22746c77a","deepmind-bets-on-continuous-learning-ai-2026-zh","DeepMind 押注 2026 連續學習 AI","2026-03-26T08:16:02.367355+00:00",{"id":76,"slug":77,"title":78,"created_at":79},"f4a106cb-02a6-4508-8f39-9720a0a93cee","ml-papers-of-the-week-github-research-desk-zh","每週 ML 論文清單，為何紅到 GitHub","2026-03-27T01:11:39.284175+00:00",{"id":81,"slug":82,"title":83,"created_at":84},"c4f807ca-4e5f-47f1-a48c-961cf3fc44dc","ai-ml-conferences-to-watch-in-2026-zh","2026 AI 研討會投稿時程整理","2026-03-27T01:51:53.874432+00:00",{"id":86,"slug":87,"title":88,"created_at":89},"cf046742-efb2-4753-aef9-caed5da5e32e","adaptive-block-scaled-data-types-zh","IF4：神經網路量化的聰明選擇","2026-03-31T06:00:36.990273+00:00",{"id":91,"slug":92,"title":93,"created_at":94},"53a0dc54-0371-4e40-8d5e-74e94a73840c","geometry-aware-similarity-metrics-for-neural-representations-zh","超越距離測量：用微分幾何重新理解神經網路","2026-03-31T06:01:01.241968+00:00",{"id":96,"slug":97,"title":98,"created_at":99},"fee7d472-a775-4b1d-bbc2-1e8bca1bbf8b","on-the-fly-repulsion-in-the-contextual-space-for-rich-divers-zh","讓AI繪圖更有創意：用排斥力提升生成多樣性","2026-03-31T06:01:25.439673+00:00",{"id":101,"slug":102,"title":103,"created_at":104},"a9901203-d69b-447b-8854-15d14eab32b4","vision-aided-beam-prediction-cnn-eca-zh","影像輔助波束預測升級 CNN","2026-04-01T10:00:25.8073+00:00",{"id":106,"slug":107,"title":108,"created_at":109},"b55e7dd4-0a24-4b3d-804d-b0309a03f498","triple-band-fss-mimo-antenna-sub-6-ghz-zh","三頻 FSS MIMO 天線瞄準 sub-6 GHz","2026-04-01T13:18:36.857305+00:00",{"id":111,"slug":112,"title":113,"created_at":114},"f68290bd-e7f3-4b30-ba22-dcd4e0130a66","openclaw-1299-repos-eight-weeks-analysis-zh","OpenClaw 1299 個 Repo 的資料解讀","2026-04-02T05:03:45.208411+00:00",{"id":116,"slug":117,"title":118,"created_at":119},"ed9f80eb-eb02-4d35-8ad4-0ddf428751dd","beam-coherence-aware-combining-mmwave-mimo-zh","毫米波 MIMO 的雙階合併法","2026-04-02T05:27:26.897188+00:00"]