論文の概要: Multilingual Reasoning Cascades Need More Context

• arxiv url: http://arxiv.org/abs/2606.27306v1
• Date: Thu, 25 Jun 2026 17:26:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 18:46:32.37819
• Title: Multilingual Reasoning Cascades Need More Context
• Title（参考訳）: 多言語推論カスケードにはもっとコンテキストが必要だ
• Abstract要約: 文脈対応翻訳カスケードは、原質問、英訳質問、および、最終翻訳モジュールの文脈にさかのぼる推論を与える。 本研究は,誤りの伝播を緩和するために,機械翻訳カスケードにおける情報フローのより良い設計の必要性を強調した。
• 参考スコア（独自算出の注目度）: 36.84122814591169
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Translation cascades for reasoning translate the query from another language to English, reason in English, and translate the answer back to the original language. This is a competitive approach to multilingual reasoning, but structurally lossy, since each stage discards information later stages may need, including cues for cultural grounding, register, and disambiguation. We examine the benefits of a simple and training-free intervention: a context-aware translation cascade, which additionally provides the original question, the English translated question, and the reasoning trace to the context of the final translation module. We evaluate gains across nine multilingual benchmarks including various task types, three backbone models, and 285 high-, mid-, and low-resource languages, and demonstrate strong gains for open-ended generation across models and resource regimes. We show that the original language question carries most of the beneficial context. Our study emphasizes the need to better design information flow in machine translation cascades for mitigating error propagation, and provides a simple and actionable default strategy: preserve the original user question until the end of the pipeline.
• Abstract（参考訳）: 推論のための翻訳カスケードは、クエリを他の言語から英語に翻訳し、その答えを元の言語に翻訳する。 これは多言語推論への競争的アプローチであるが、各段階は、文化的根拠づけ、登録、曖昧化のための手がかりを含む後段の情報を破棄するので、構造的に損なわれる。 文脈認識型翻訳カスケードは、原質問、英訳質問、および最終翻訳モジュールの文脈にさかのぼる推論を付加する。 各種タスクタイプ,3つのバックボーンモデル,および285のハイ,ミッド,ローリソース言語を含む9つのマルチランガル・ベンチマークにおけるゲインを評価し,モデルおよびリソース・システマをまたいだオープン・エンド・ジェネレーションの強力なゲインを示す。 元の言語質問にはほとんど有益な文脈があることが示される。 本研究は,エラー伝播を緩和するための機械翻訳カスケードにおける情報フローのより良い設計の必要性を強調し,パイプラインの終了まで元のユーザ質問を保存する,シンプルで実行可能なデフォルト戦略を提供する。

関連論文リスト

• Building Multilingual Bridges: Data Mixing as the Pillar of Generalization for In-Language Reasoning [75.46846056993418]
  推論言語モデルは、それらが引き起こされる言語に関係なく、主に英語で理にかなっている。 これは、英語を話さないユーザにとってアクセス不能であり、元の質問の意図を失うリスクがあり、ターゲット言語でより容易に表現される知識を忘れてしまう。 本研究では,L2推論を推進し,ユーザのプロンプトの言語でモデルが一貫した推論を行えるようにし,プロンプトと応答の間に言語内ブリッジを構築する。
  論文  参考訳（メタデータ） (2026-09-09T16:56:25Z)
• Better Decomposition, Free Aggregation: A Synthesizer-Folding Framework for Multilingual Multi-Hop Question Answering [48.94279718429342]
  マルチリンガルなマルチホップ質問応答のためのフレームワークであるSyferを紹介する。 Syferは、デフォルトで適用するのではなく、翻訳をデフェクトする。 複数の言語で実験した結果、Syferは競争の正確さを達成できた。
  論文  参考訳（メタデータ） (2026-08-13T12:25:59Z)
• Learning When to Translate for Multilingual Reasoning [20.51941069559769]
  推論言語モデル (RLM) は複雑な推論タスクにおいて高い性能を発揮するが、それでもかなりの多言語推論のギャップがある。 英語翻訳は、RLMがより確実に解釈できる形で非英語入力を表現することによって、これらの失敗を軽減することができる。 本稿では,言語理解境界を意識した強化学習フレームワークLuarを提案する。
  論文  参考訳（メタデータ） (2026-06-01T16:37:18Z)
• Align to the Pivot: Dual Alignment with Self-Feedback for Multilingual Math Reasoning [71.4175109189942]
  Pivot-Aligned Self-Feedback Multilingual Reasoning (PASMR)を提案する。 このアプローチは、モデルの第一言語をピボット言語として指定する。 外部の正しい回答や報酬モデルに頼ることなく、言語横断的な自己フィードバック機構を確立する。
  論文  参考訳（メタデータ） (2026-01-25T03:20:00Z)
• Why Do Multilingual Reasoning Gaps Emerge in Reasoning Language Models? [18.99223776816893]
  推論言語モデル(RLM)は複雑な推論タスクにおいて高いパフォーマンスを達成するが、それでも多言語推論のギャップに悩まされている。 本稿では多言語推論のギャップが言語理解の失敗に大きく起因していることを示す。 本稿では,多言語入力を英語に翻訳する簡易かつ効果的な手法である選択翻訳を提案する。
  論文  参考訳（メタデータ） (2025-10-31T08:17:59Z)
• The Translation Barrier Hypothesis: Multilingual Generation with Large Language Models Suffers from Implicit Translation Failure [47.37347291981968]
  課題解決に成功しているにもかかわらず、翻訳段階の失敗は最終結果の低品質化にとって重要な要因であることを示す。 108言語対にわたる単語翻訳タスクにおいて,いずれの段階も最終失敗の原因となる範囲を定量化する。
  論文  参考訳（メタデータ） (2025-06-28T02:09:21Z)
• Cross-lingual Collapse: How Language-Centric Foundation Models Shape Reasoning in Large Language Models [44.94287386776289]
  textbfCross-lingual Collapseは、多言語言語モデルが支配的な事前学習言語に回帰する体系的なドリフトである。 実験の結果, (i)GRPOは事前学習言語の不均衡を急速に増幅し, わずか数百回の更新で低リソース言語が侵食され, (ii) 言語整合性報酬はこのドリフトを緩和するが, ほぼ5～10ppの精度の低下を犠牲にしていることがわかった。
  論文  参考訳（メタデータ） (2025-06-06T08:08:48Z)
• IGLUE: A Benchmark for Transfer Learning across Modalities, Tasks, and Languages [87.5457337866383]
  画像認識言語理解評価ベンチマークについて紹介する。 IGLUEは、視覚的質問応答、クロスモーダル検索、グラウンドド推論、20言語にわたるグラウンドドエンターテイメントタスクをまとめて提供する。 翻訳-テストの転送はゼロショットの転送よりも優れており、少数ショットの学習は多くのタスクに役立てることが難しい。
  論文  参考訳（メタデータ） (2022-01-27T18:53:22Z)
• Multilingual Answer Sentence Reranking via Automatically Translated Data [97.98885151955467]
  本稿では,現代の質問応答システム(QA)のコアコンポーネントである,多言語回答文選択(AS2)モデルの設計について述べる。 主なアイデアは、あるリソースリッチ言語(英語など)から、他の言語へのデータ転送であり、リソースの観点からはよりリッチである。
  論文  参考訳（メタデータ） (2021-02-20T03:52:08Z)
• XCOPA: A Multilingual Dataset for Causal Commonsense Reasoning [68.57658225995966]
  XCOPA (Cross-lingual Choice of Plausible Alternatives) は11言語における因果コモンセンス推論のための多言語データセットである。 提案手法は,翻訳に基づく転送と比較して,現在の手法の性能が低下していることを明らかにする。
  論文  参考訳（メタデータ） (2020-05-01T12:22:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。