多语言推理级联需要更多上下文

针对多语言推理中常见的“翻译 - 推理 - 回译”级联方法存在的信息丢失问题，本文提出一种无需训练的上下文感知干预策略。该方法在最终翻译阶段保留原始问题、英文译文及推理轨迹作为额外上下文。通过在九个大基准、三种骨干模型及 285 种语言上的评估，证实该策略显著提升了开放域生成性能。研究表明原始语言问题携带了关键上下文信息，强调优化机器翻译级联中的信息流对于缓解误差传播至关重要。