通过翻译 - 推理集成训练实现自我改进的多语言长推理

长推理模型在多语言场景中常面临挑战：非英语问题倾向于用英语推理，若强制使用问题语言则准确率大幅下降。这源于多语言问题理解与推理能力的局限。为此，本文提出 TRIT（翻译 - 推理集成训练）框架，这是一种自我改进方法，将翻译训练融入多语言推理过程。无需外部反馈或额外数据，该方法协同增强了多语言问题理解与回答生成能力。在 MMATH 基准上，平均提升 7%，显著改善了答案正确性与语言一致性。分析表明，集成翻译训练使跨语言问题对齐度提升超 10%，并提高了数学问题及通用文本的翻译质量。