多语言推理级联需要更多上下文

用于推理的翻译级联将查询从另一种语言翻译为英语，用英语进行推理，然后将答案翻译回原始语言。这是一种多语言推理的竞争方法，但在结构上是有损失的，因为每个阶段都会丢弃后续阶段可能需要的信息，包括文化语境、语域和消歧的线索。我们研究了简单和 无需训练 干预的好处：上下文感知翻译级联，它还提供原始问题、英语翻译问题以及最终翻译模块上下文的推理跟踪。我们评估了九个多语言基准的收益，包括各种任务类型、三个骨干模型和 285 种高、中、低资源语言，并展示了跨模型和资源制度的开放式生成的强劲收益。我们表明，原始语言问题携带了大部分有益的上下文。我们的研究强调需要更好地设计机器翻译级联中的信息流以减轻错误传播，并提供了一个简单且可操作的默认策略：保留原始用户问题直到管道结束。