一、文章主要内容总结本文聚焦低资源语言（波斯语）医疗领域小语言模型的推理能力提升问题，核心研究如何在有限数据条件下，通过推理导向的训练方法超越单纯的数据规模扩展效果。研究背景：基于Transformer的语言模型擅长“快速思考”类任务（如模式匹配、表层文本生成），但在医疗等专业领域的“慢速思考”（多步骤推理、逻辑推断）任务中表现不足；而波斯语作为低资源语言，缺乏高质量医疗数据集和计算资源，进一步加剧了这一问题。核心方法：构建数据集：将英文医疗多选题数据集MedMCQA机器翻译为波斯语，并结合新增的PersianMedQA数据集，形成含1.9万道题的波斯语医疗多选题数据集，经双模型验证确保翻译质量。训练框架：提出RLAIF+DPO组合框架，通过师生模型循环生成“偏好-拒绝”答案对（含正确与错误推理轨迹），其中95%数据采用“教师模型修正学生模型错误并生成优选推理”的方法，5%数据采用“教师模型提供错误反馈、学生模型迭代修正”的方法，最终用1.1万组答案对（优选答案200万词、拒绝答案250万词）训练模型。模型与实验：基于8B参数的aya-expanse-8b基线模型，训练出波斯语医疗模型gaokerena-R，并与前序模型gaokerena-V（基于5700万词监督微调）及基线模型对比。实验结果：推理能力：在CoT提示下，gaokerena-R在FA MED MMLU和IB