Large Reasoning Models Struggle to Transfer Parametric Knowledge Across Scripts¶

通过ECLeKTic/MultiLoKo回归分析区分语言和文字系统的知识迁移障碍，再用源语言实体前缀与Gemini合成的音译反思轨迹、模型自身风格迁移、LoRA SFT改善跨script推理。

状态：仅文献与成本收录，没有可执行能力adapter，不以heuristic冒充核心模型。完整实验：成本过高，不复现（审查 DONE），不下载权重/数据、不自动重试。此为用户指定的历史会议补漏，不是本日新发表。

论文信息¶

字段	内容
论文链接	原始 arXiv v1
固定方法版本	v2正文；原始发布日期仍按v1，不把更新版日期当首发
公司 / 作者机构	固定v2首页所有作者主机构为Google Research；一作Lucas Bandarkar另以§列University of California, Los Angeles，Trevor Cohn另列University of Melbourne。按Google Research主机构聚合，保留UCLA次级标注。
原始发布日期	2026-03-17 18:57:26 UTC，arXiv v1
原作者代码	固定v2正文与摘要未找到作者代码链接；Llama-Factory为上游训练工具，不记为该论文作者实现。
原作者代码许可	未核实作者源码仓库，源码许可与固定SHA不适用。论文/原图许可：CC BY-SA 4.0
本地 Adapter / key	`cross-script-knowledge-transfer`；`adapter=null`；`promotion_eligible=false`；`evolve_integrated=false`
本地代码	无：未实现完整方法，不发布伪能力入口
本地验证	不适用：只审查和文档，不训练、不生成GPU收据或虚构metrics

Sec.4–6与Appendix A/H：观察性回归、训练专用entity提示干预和真实LoRA是定义性路径。不能把正则音译、手工插提示或小分类器当成其LLM知识检索机制。本文不是新闭式RL loss；本轮仅文献收录，不强造operator。

Large Reasoning Models Struggle to Transfer Parametric Knowledge Across Scripts Table 3

Table 3取自固定v2的原始PDF对应页，包含原表/图及上下文。图片来自原论文，版权归原作者所有。许可 CC BY-SA 4.0。来源、SHA256与实际目视核验见 assets/provenance.json。

\[ D_{SFT}=StyleTransfer(Question,Think_{Gemini},Answer,Think_{model}),\quad\theta'=LoRA\text{-}SFT(\theta,D_{SFT}). \]

上述公式仅解释原方法，不表示已经实现该训练或大模型语义模块。

Table3为轻微而非跨语言知识彻底解决：GPT-OSS120B ECLeKTic20.6→21.6，Qwen30B18.1→18.9，改善偏向低资源/跨script。观察性回归不是因果证明，原文也承认翻译/音译歧义。未报告互联网生产线上A/B；不得将离线分析或本地数值测试写成线上收益。

本轮不提供可运行模型、loss包装或伪测试。库里已有通用KL/RL/统计工具并不构成本文核心流程；原文语义模型、API多轮生成或大规模训练不能用手工规则替换。仅保存经过核验的方法、资源、源码状态与原图，终态为 not_reproduced_high_cost。后续不得自动移回待训练队列。

Sec.6 / Appendix H：GPT-OSS-120B与Qwen3-30B-A3B，599/387样本、8epochs、LoRA rank32，Gemini生成并过滤+模型风格迁移，另有12/31语言评测。模型参数和多语言长推理成本高，不下载、不试跑。

资源基准为单张A100/A30或本地Mac。上述为原论文配置/公开报告，不是本地实测耗时，也不推造未披露的GPU型号或训练小时。完整实验结论：成本过高，不复现（审查 DONE）。没有为了证明它昂贵而先下载大权重或启动长跑。