该研究大规模探讨了非英语和多语言环境下的GRPO训练，发现用母语推理训练与英语训练效果差距小，且跨语言迁移强，但具体表现因模型和语言而异，某些语言训练可能导致其他语言能力严重退化。因此，RLVR虽能带来广泛跨语言收益，但需全面评估以检测特定语言退化。