다국어 추론 캐스케이드에는 더 많은 컨텍스트가 필요하다
Multilingual Reasoning Cascades Need More Context
추론을 위한 번역 캐스케이드(translation cascade)는 다른 언어의 쿼리를 영어로 번역하고, 영어로 추론한 후, 답변을 원래 언어로 다시 번역한다. 이는 다국어 추론에 경쟁력 있는 접근 방식이지만, 구조적으로 손실이 발생한다. 각 단계에서 이후 단계가 필요로 할 수 있는 정보, 즉 문화적 그라운딩(cultural grounding), 문체(register), 중의성 해소(disambiguation) 단서 등이 버려지기 때문이다. 우리는 간단하고 학습이 필요 없는 개입의 이점을 검토한다: 문맥 인식 번역 캐스케이드(context-aware translation cascade)로, 원본 질문, 영어로 번역된 질문, 그리고 추론 트레이스를 최종 번역 모듈의 컨텍스트에 추가로 제공한다. 우리는 다양한 태스크 유형을 포함한 9개의 다국어 벤치마크, 3개의 백본 모델, 그리고 285개의 고자원·중자원·저자원 언어에 걸쳐 성능 향상을 평가하며, 모델과 자원 환경 전반에 걸쳐 개방형 생성(open-ended generation)에서 강력한 성능 향상을 입증한다. 우리는 원본 언어 질문이 유익한 컨텍스트의 대부분을 제공함을 보인다. 본 연구는 오류 전파를 완화하기 위해 기계 번역 캐스케이드에서 정보 흐름을 더 잘 설계할 필요성을 강조하며, 간단하고 실행 가능한 기본 전략을 제시한다: 파이프라인 끝까지 원본 사용자 질문을 보존하라.