Die Antwort ist: Ja, und der Effekt ist ziemlich deutlich. Wenn man nur mit einer Sprache trainiert, wird das Modell in vielen anderen Sprachen ebenfalls stärker.
Zum Beispiel bei Tests auf Französisch: Wenn man direkt mit Französisch trainiert, steigt der Durchschnitt um 25,6 Prozentpunkte; wenn man überhaupt nicht mit Französisch trainiert, sondern nur französische Fragen mit Spanisch übt, kann man beim Test auf Französisch am Ende auch um 24,6 Prozentpunkte zulegen – nur um 1 Prozentpunkt weniger.
Das Modell lernt nicht nur Aufgaben in einer bestimmten Sprache, sondern auch einen Teil von Lösungsstrategien, die sich in eine andere Sprache übertragen lassen und dort weiter genutzt werden können. Wenn man also in Zukunft möchte, dass das Modell stärker bei chinesischer Argumentation wird, muss man nicht unbedingt alle verstärkenden Lern-Daten komplett neu als Chinesisch aufbereiten.
Doch auch das Training von Sprachmodellen kann man nicht einfach beliebig austauschen. Bestimmte Trainingssprachen können tatsächlich zu einer Degradation spezifischer Fähigkeiten führen. Wenn man das gleiche Reinforcement-Learning-Setup auf eine andere Trainingssprache umstellt, schneiden manche Modelle in anderen Sprachen und Aufgaben sogar deutlich schlechter ab. In der extremsten Versuchsreihe sank bei Qwen3-4B nach Training auf Suaheli ein in der Trainingsphase noch nie gesehenes englisches Testset um 19,2 Prozentpunkte; bei gemeinsamem Training mehrerer Sprachen stieg dieser Test hingegen um 4,5 Prozentpunkte.
In dieser Arbeit werden vor allem Aufgaben mit mathematischen, logischen, bild- und geometrischen Lösungen verifiziert, bei denen man anhand der Antwort automatisch beurteilen kann, ob sie richtig oder falsch sind. Wenn man diese Aufgaben in eine andere Sprache überträgt, ändert sich die zugrunde liegende Methode oft nicht. Für Aufgaben wie Lesekompetenz, Metaphern, Bedeutungsurteile oder kulturelles Wissen, die wirklich stark von der Sprache selbst abhängen, wird in der Studie keine Überprüfung vorgenommen.
Der frühere Google-DeepMind-Principal-Investigator, Mitgründer und CEO von Unreasonable Labs, Cao Yuan, ist der Ansicht, dass sich „AI for Science“ derzeit in eine Explosionsphase hinein entwickelt. Doch damit KI wirklich unabhängig wissenschaftliche Erkenntnisse auf Nobelpreis-Niveau hervorbringen kann, braucht es mindestens noch zwei bis drei Jahrzehnte. Cao Yuan hat zuvor an Projekten wie Gemini mitgewirkt; sein Start-up verfolgt nun ebenfalls das Ziel, dass KI neues Wissen entdeckt.
Er ist der Ansicht, dass der derzeit größte Engpass die Verifikation ist. Code kann sofort ausgeführt und getestet werden, und auch in der Mathematik lassen sich Beweise mit Lean Schritt für Schritt prüfen. Doch Biologie, Materialwissenschaft und Physik müssen am Ende echte Experimente durchführen. Ein Experiment kann sehr teuer sein oder lange dauern; außerdem kann KI nicht so kontinuierlich und schnell Fehler testen wie ein Coding Agent.
Noch schwieriger ist es, „neue Konzepte zu erschaffen“. Cao Yuan ist der Meinung, dass die heutigen Modelle sehr gut darin sind, in vorhandenem Wissen, Definitionen und Theoremen nach Antworten zu suchen, aber noch nicht so weit sind wie erstklassige Wissenschaftler, neue mathematische Objekte, Definitionen und Theorien abstrakt herauszuarbeiten. Diese Art von „Konzeptabstraktion“ bezeichnet er als die „letzte Meile“ von AGI.
