当语言塑造思维：问答中事实知识的跨语言迁移
计算与语言
2025-11-11 v2 人工智能
摘要
多语言大型语言模型（LLM）为跨语言信息访问提供了有前景的机遇，然而其对事实知识的使用对输入语言仍然高度敏感。先前的工作通过英语提示与评估来解决这一问题，假设基于英语的推理普遍有益。在本研究中，我们通过语言与思维理论的视角，探索从非英语到英语的事实知识迁移，以此挑战该假设。我们引入了语言到思维提示，将模型的内部“思维”语言与知识来源对齐。在三种语言和四个模型上，L2T 始终优于基于英语的推理，逆转了英语提示的预期优势。我们的代码可在 https://github.com/GeomeunByeol/Language2Thought 获取。
引用
@article{arxiv.2505.24409,
title = {When Language Shapes Thought: Cross-Lingual Transfer of Factual Knowledge in Question Answering},
author = {Eojin Kang and Juae Kim},
journal= {arXiv preprint arXiv:2505.24409},
year = {2025}
}
备注
Accepted at CIKM2025 (Expanded version)