推理通用语言：多语言人工智能的双刃剑

大规模推理模型（LRM）在数学、科学等问答任务中取得了强大的性能，但其多语言推理能力仍未得到充分探索。当面对非英语问题时，LRM往往会默认使用英语进行推理，这引发了可解释性和处理语言、文化细微差别的担忧。我们系统比较了LRM在英语与问题语言中的推理方式。我们的评估涵盖两个任务：MGSM和GPQA Diamond。除了衡量答案准确率外，我们还分析了推理痕迹中的认知属性。我们发现，英语推理痕迹中这些认知行为的出现频率显著更高，英语推理通常也能获得更高的最终答案准确率，随着任务复杂度的增加，性能差距也随之增大。然而，这种以英语为中心的策略容易出现关键失效模式——在翻译步骤中迷失，导致本可避免的错误。