RLで未知言語翻訳を習得：文脈活用のメタスキル獲得

要約

LLMが極めて低リソースな言語を翻訳するには、特定言語の記憶ではなく文脈内の言語知識を活用するメタスキルが必要だと研究者らは主張する。提案手法では強化学習（RL）と翻訳評価指標chrFを報酬として用い、リッチな言語コンテキストから翻訳を行う。実験では、学習時に未見の言語に対してもICLや教師あり微調整より高い翻訳精度を達成した。結果はRLが数学・コーディング以外の言語学習タスクにも有効であることを示唆している。