법률 분야의 신경망 기계 번역(NMT)은 법률 언어의 복잡성과 높은 정밀도 요구로 인해 언어적, 개념적으로 까다로운 작업입니다. 최근 등장한 추론 능력 기반 언어 모델은 이러한 과제를 해결할 수 있는 새로운 가능성을 제시합니다. 이 연구는 감독 학습과 강화 학습을 포함한 다양한 접근 방식과 비교합니다.
Qwen3.5 4B, Qwen3.5 9B, Gemma 3 12B 등 소형 언어 모델을 다양한 재학습 방식으로 개선하고 최첨단 추론 모델과의 성능을 비교했습니다. 스위스 법률 시스템은 고유한 다국어 법령을 가지고 있어 추론 증강 모델에 대한 특히 어려운 테스트베드를 제공합니다.
강화 학습을 통해 검증 가능한 보상을 활용하면 법률 분야의 NMT를 개선할 수 있으며, 감독 학습만으로는 달성할 수 없는 번역 품질을 얻을 수 있습니다. 개선된 소형 모델의 성능은 최첨단 추론 모델에 근접하지만 여전히 열등합니다.