연구진은 LLM이 풍부한 언어적 맥락을 활용해 미지의 언어를 번역하는 능력을 갖도록 강화 학습(RL)을 활용하는 방법을 제안했어요. 기존 방식은 특정 언어에 과적합되는 한계가 있었어요.
RL 모델은 chrF라는 표면 번역 지표를 보상으로 활용하여 관련 언어 정보를 추출하고 적용하는 방식으로, 기존 방식보다 뛰어난 성능을 보여줬어요.
이번 연구는 RL이 기존 추론 작업 외에도 언어 학습에서 맥락을 활용하는 데 기여할 수 있음을 시사하며, 언어 학습 연구에 새로운 가능성을 제시해요.