La respuesta es sí, y el efecto es bastante evidente. Entrenando con un solo idioma, el modelo también se vuelve más fuerte en muchos otros idiomas.

Por ejemplo, en las pruebas de francés: entrenando directamente con francés, el rendimiento promedio mejora 25.6 puntos porcentuales; sin entrenar nada en francés y usando únicamente ejercicios en español, al final al hacer el examen de francés también mejora 24.6 puntos porcentuales, solo por 1 punto porcentual.

Lo que el modelo aprende no es solo sobre los ejercicios de un idioma en particular, sino también una parte de los métodos para resolver problemas que se pueden cambiar de idioma y seguir usando. Así que en el futuro, si quieres reforzar el razonamiento del modelo en chino, quizá no sea necesario rehacer todo el conjunto de datos de aprendizaje por refuerzo en chino.