論文の概要: The Reliance Hypothesis: Chain-of-Thought Faithfulness Rises as Language Resource Level Falls

• arxiv url: http://arxiv.org/abs/2610.22841v1
• Date: Fri, 16 Oct 2026 02:33:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.733882
• Title: The Reliance Hypothesis: Chain-of-Thought Faithfulness Rises as Language Resource Level Falls
• Title（参考訳）: 信頼の仮説: 言語資源の水準が低下する中で、信頼の連鎖が増す
• Abstract要約: CoT(Chain-of-Thought)は、大規模な言語モデルの監視、説明、安全なデプロイに重要であるが、主に英語で研究されている。 私たちは、CoTの忠実度を、リソースレベルとタスクタイプ(知識、推論集約)の両方に初めて関連付けています。 8言語での多言語多言語多タスク言語理解(MMMLU)からの並列多重選択質問では、リソースレベルが知識集約的なタスクにかかっているが、推論集約的なタスクには影響しないため、信頼度が上昇する。
• 参考スコア（独自算出の注目度）: 57.94887920420279
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Chain-of-Thought (CoT) faithfulness matters for monitoring, explaining and safely deploying large language models, yet it has been studied mostly in English. Languages differ in level, the amount of text available to learn from, so models know less in lower-resource languages, which may change how much they rely on their reasoning. To our knowledge, we are the first to relate CoT faithfulness to both resource level and task type (knowledge- or reasoning-intensive). On parallel multiple-choice questions from Multilingual Massive Multitask Language Understanding (MMMLU) in eight languages, faithfulness rises as resource level falls on knowledge-intensive tasks but not on reasoning-intensive ones, a gap that points the same way across four models and several faithfulness measures. We propose, and find support for, the Reliance Hypothesis: models rely more on their reasoning when they cannot recall the answer, as in lower-resource languages on knowledge-intensive tasks. Model confidence partly explains the effect of resource level, but not the knowledge-reasoning gap. Languages in which models are less confident rely more on reasoning, yet less confident answers within a language do not, a Simpson's paradox. In lower-resource languages, models rely on their reasoning for more answers, not more strongly for each. CoT monitoring may therefore be most informative in lower-resource languages, where it is least often validated.
• Abstract（参考訳）: CoT(Chain-of-Thought)は、大規模な言語モデルの監視、説明、安全なデプロイに重要であるが、主に英語で研究されている。 言語はレベルによって異なり、そこから学ぶことができるテキストの量は様々である。 私たちの知識では、CoTの忠実度をリソースレベルとタスクタイプ(知識、推論集約)の両方に関連付けるのは、私たちが初めてです。 8言語でのMultilingual Massive Multitask Language Understanding (MMMLU)からの並列多重選択質問では、リソースレベルが知識集約的なタスクにかかっているが、推論集約的なタスクには当てはまらないため、信頼度は上昇する。 モデルは、知識集約的なタスクにおける低リソース言語のように、答えを思い出せないときの推論に依存する。 モデルの信頼性は、部分的にはリソースレベルの影響を説明するが、知識と推論のギャップは説明できない。 モデルの信頼性が低い言語は推論に依存するが、言語内の信頼性の低い答えは、シンプソンのパラドックスである。 低リソース言語では、モデルはより強い答えではなく、より多くの答えを求める推論に依存します。 したがって、CoTモニタリングは低リソース言語では最も有益であり、最小限に検証される。

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)
• Large Reasoning Models Are (Not Yet) Multilingual Latent Reasoners [48.68444770923683]
  大きな推論モデル(LRM)は、数学的推論タスクにおいて高い性能を達成する。 LRMは、これらのテキスト推論ステップを完了する前に、正しい答えに到達することが多い。 この現象は英語で研究されてきたが、多言語的行動はほとんど分かっていない。
  論文  参考訳（メタデータ） (2026-01-06T13:20:17Z)
• 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)
• Learn Globally, Speak Locally: Bridging the Gaps in Multilingual Reasoning [39.03934159726098]
  M2Aは,マルチスケール多言語アライメントと,機械翻訳された質問に対する言語一貫性報酬を組み合わせた新しい手法である。 地理に基づく多言語事実推論ベンチマークであるGeoFact-Xと5言語での推論トレースを紹介する。 以上の結果から,M2Aは数学的および事実的推論タスクにおいて,多言語推論の忠実度を著しく向上させることが示された。
  論文  参考訳（メタデータ） (2025-07-07T19:04:36Z)
• Language Matters: How Do Multilingual Input and Reasoning Paths Affect Large Reasoning Models? [59.970391602080205]
  多言語トレーニングにも拘わらず、LRMはテスト時に高リソース言語での推論をデフォルトとする傾向にある。 文化的推論は、推論タスクのパフォーマンスを低下させるが、文化的なタスクに恩恵を与える一方、安全性評価は言語固有の振る舞いを示す。
  論文  参考訳（メタデータ） (2025-05-23T02:46:18Z)
• When Less Language is More: Language-Reasoning Disentanglement Makes LLMs Better Multilingual Reasoners [111.50503126693444]
  言語固有のアブレーションは多言語推論性能を継続的に向上させることを示す。 トレーニング後のアブレーションと比較して、トレーニング不要のアブレーションは、計算オーバーヘッドを最小限に抑えながら、同等または優れた結果が得られる。
  論文  参考訳（メタデータ） (2025-05-21T08:35:05Z)
• Crosslingual Reasoning through Test-Time Scaling [51.55526326294275]
  英語中心の推論言語モデル(RLM)に対する推論計算のスケールアップは、多くの言語における多言語数学的推論を改善する。 英語中心の RLM の CoT は自然に英語が主流であるが、引用された非英語入力を推論するための引用と思考のパターンは一貫して従っている。 我々は、ドメイン外推論の一般化、特にSTEMから文化常識の知識まで、英語においても、貧弱なドメイン外推論の一般化を観察する。
  論文  参考訳（メタデータ） (2025-05-08T16:50:06Z)

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。