Native Multilingual Chain-of-Thought Reasoning in Low-Resource Southeast Asian Languages

Stellen Sie sich eine Welt vor, in der Ihr Lieblingsvideospielcharakter nur Englisch sprechen könnte, egal welche Sprache Sie sprechen. Wenn Sie eine Frage auf Spanisch stellen würden, würde er die Wörter zwar verstehen, aber sobald er anfing, seine Antwort zu erklären, würde er plötzlich für die schwierigen Denkprozesse ins Englische zurückwechseln. Dies ist nicht nur ein Fehler; es ist eine große Hürde in der Welt der Künstlichen Intelligenz, speziell für „Large Language Models“ (LLMs). Das sind die superintelligenten Computergehirne, die Geschichten schreiben, Matheaufgaben lösen und mit uns chatten können. Um wirklich gut im Lösen schwieriger Rätsel zu werden, nutzen sie einen Trick namens „Chain-of-Thought“ (Gedankenkette), was so ist, als würden sie ihren schrittweisen Denkprozess vor sich selbst selbst flüstern, bevor sie die endgültige Antwort geben. Das Problem ist, dass für viele Sprachen weltweit – insbesondere für solche mit weniger digitalen Ressourcen, wie sie in Südostasien vorkommen – diese KI-Gehirne dazu neigen zu „kollabieren“ und ihre Gedanken auf Englisch zu flüstern, selbst wenn man sie gebeten hat, auf Thailändisch, Vietnamesisch oder Indonesisch zu denken. Dies lässt die KI weniger wie einen hilfreichen lokalen Freund wirken und mehr wie einen fernen, englischsprachigen Tutor, was für Bildung und Fairness eine große Sache ist.

Hier kommt eine neue Studie der Forscher Sean Gip Lim, William Chandra Tjhi und Hai Leong Chieu ins Spiel, die beschlossen haben, eine Brücke für diese KI-Gehirne zu bauen. Sie entwickelten eine clevere Trainingsmethode namens OSCD (Onramp-Sequence Cross-Distillation). Stellen Sie sich das wie einen zweisprachigen Coach vor, der nicht nur die endgültige Antwort übersetzt, sondern auch die internen „Denknotizen“ der KI in die lokale Sprache umschreibt, während die korrekte Lösung intakt bleibt. Normalerweise führt der Versuch, einer KI eine neue Sprache beizubringen, dazu, dass sie verwirrt wird und vergisst, wie man in ihrer ursprünglichen Sprache klug ist (ein Problem, das als „katastrophales Vergessen“ bezeichnet wird). Aber diese neue Methode nutzt einen speziellen „Übersetzer-Agenten“, um die Denkschritte auszutauschen, und einen „semantischen Kleber“, um sicherzustellen, dass das Gehirn der KI die Logik weiterhin versteht, nur in einer anderen Zunge.

Die Forscher testeten dies an einigen der schwierigsten Mathe-Rätsel, die verfügbar sind, wie den AIME25- und HMMT25-Wettbewerben, die wie die Olympischen Spiele für Matheaufgaben sind. Sie nahmen leistungsstarke KI-Modelle, die in englischer Mathematik großartig, aber beim Denken in südostasiatischen Sprachen schlecht waren, und gaben ihnen eine kurze, intensive Trainingseinheit mit nur 70.000 Beispielen (was winzig im Vergleich zu den üblicherweise benötigten Millionen ist). Die Ergebnisse waren beeindruckend: Die Modelle wurden nicht nur besser darin, die Fragen zu beantworten; sie begannen tatsächlich, in den lokalen Sprachen zu denken. Tatsächlich verbesserten die Modelle ihre Fähigkeit, diese Matheprobleme zu lösen, während sie in der Zielsprache blieben, um das bis zu 3,2-fache. Noch spannender ist, dass sie dies geschafft haben, ohne ihre ursprüngliche englische Intelligenz zu verlieren. Die Studie legt nahe, dass wir durch die Verwendung dieses „Übersetzer-Agenten“ und des „semantischen Klebers“ der KI endlich die Fähigkeit geben können, natürlich in Sprachen zu argumentieren, die zurückgelassen wurden, wodurch fortschrittliche Technologie für alle zugänglich wird, nicht nur für Englischsprecher.