Çok dilli büyük dil modellerinde (LLM) yaygın kullanılan çeviri tabanlı yönlendirme stratejilerinin etkinliği, dillere ve görevlere göre farklılık gösteriyor. Yeni araştırma, on farklı dilde ve dört test setinde yapılan kapsamlı analizle bu durumu detaylı şekilde inceledi.
Araştırmada, kaynak az dillerde çeviri kalitesi mükemmel olmasa bile çeviri tabanlı yaklaşımların büyük fayda sağladığı, ancak kaynak zengin dillerin bu durumdan çok az yarar gördüğü ortaya çıktı. Özellikle dikkat çekici olan bulgu, kendi kendine yönlendirme yapan sistemlerin açık çeviri yöntemlerinden daha düşük performans göstermesiydi.
Bu bulgulardan yola çıkan araştırmacılar, strateji seçimini öğrenilebilir bir karar problemi olarak formüle etti. Geliştirdikleri hafif sınıflandırıcılar, her örnek için doğal dil kullanımının mı yoksa çeviri tabanlı yaklaşımın mı daha optimal olduğunu tahmin edebiliyor.
Sistem, dört farklı test setinde sabit stratejilere göre istatistiksel olarak anlamlı iyileşmeler elde etti. Daha da önemlisi, eğitim sırasında karşılaşmadığı yeni görev formatlarına başarıyla genelleme yapabilme kabiliyeti gösterdi. Analizler, dilin kaynak seviyesinin bu karar sürecinde kritik rol oynadığını ortaya koydu.