연구진은 대규모 언어 모델(LLM)이 풍부한 언어적 맥락을 활용하여 미지의 언어를 번역하는 능력을 갖추도록 하는 방법을 제시했어요. 기존 방식은 특정 언어에 과적합되는 한계가 있었어요. 강화 학습(RL)을 통해 LLM이 맥락에서 관련 정보를 추출하고 적용하여 완전히 새로운 언어 번역 성능을 향상시켰어요.
연구 결과, RL 모델은 문자 수준의 번역 지표(chrF)를 보상으로 활용하여 기존 방식보다 뛰어난 성능을 보였어요.
이 연구는 기존의 추론 작업 외에도 언어 학습에 활용될 수 있는 강화 학습의 가능성을 보여주는 사례로 평가받고 있어요.