MathShikkha：小语言模型孟加拉语数学推理中仅答案与思维链监督的受控研究

数学推理在孟加拉语等低资源语言中仍具挑战性。我们研究教师生成的孟加拉语思维链（CoT）监督是否提供超越普通监督微调的收益。我们构建孟加拉语数学推理数据集MathShikkha（含GPT-5.4生成的推理依据），并在匹配协议下微调四个4B-7B学生模型：仅答案与CoT两种条件共享数据划分、仅响应损失掩码、解码与评分，仅训练目标不同。在域内，对三个较强骨干，CoT相对仅答案微调无显著改进（配对自助95%置信区间包含零；精确McNemar p ≥ 0.17），尽管其生成的token多15-52倍；但对较弱的4B模型显著提升18.56分（p < 0.0001）。在更大的、经污染审计的BanglaMATH基准上，这一模式反转：对全部四个模型，CoT显著优于仅答案监督20.1-28.1分（均p < 0.0001）。仅答案微调还使三个模型的域外准确率降至基础模型之下，而CoT对全部四个模型保持或提升域外准确率。由两位合作者标注、外部专家裁定、Cohen's κ为0.76-1.00的人类研究发现，在推理内容标准上CoT相对基础模型无显著改进；其可测量的效应在于目标语言遵从与产生可检视的推理。总体而言，推理依据监督的价值取决于骨干能力与分布偏移：在此设置下，其主要收益是孟加拉语遵从、可审计推理与域外鲁棒性，而非域内推理有效性的提升。