研究揭示多语言大模型推理轨迹存在语言差异
原文标题：Same Answer, Different Reasons: Trace-Level Divergence in Multilingual Large Language Models
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出轨迹级分歧框架，将多语言大模型可见推理轨迹的一致性拆解为结构相似度、顺序一致性与整体相似度。在三个推理基准、七种语言、六个前沿模型上，整体相似度基线系统性高估一致性：整体相似度前 25% 的样本中 52.1%–67.3% 并不在结构相似度前 25%。双语盲标注显示人类判断更贴近结构相似度。
深读 · 结论先行AI 生成展开看要点与影响 ↓
整体相似度前 25% 的多语言推理轨迹中，52.1%–67.3% 结构上并不一致。
- •提出轨迹级分歧框架，把一致性拆为结构相似度、顺序一致性与整体相似度
- •覆盖三个推理基准、七种语言、六个前沿模型
- •整体相似度前 25% 的样本中，52.1%–67.3% 不在结构相似度前 25%，该分离在不同句编码器与步骤切分下稳定
- •双语盲标注显示人类判断更贴近结构相似度；同语言对照显示分歧程度具有语言特异性
为什么重要：仅看最终答案一致或整体相似度会高估多语言可靠性，对做跨语言审计与教育场景的团队是直接警示。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
谷歌 Gemini 4 Carbon 全面超越 Opus 5.5，首发 Token 半价
AI 摘要谷歌发布 Gemini 4 Carbon，宣称在多项能力上全面超越 Opus 5.5，并推出首发 Token 半价优惠。该模型可连续数日修复 Bug，且具备免疫提示词注入的安全特性，加剧头部大模型竞争。
谷歌发布 Gemini 4 Carbon，主打网络安全能力跃升
AI 摘要谷歌推出前沿模型 Gemini 4 Carbon，在编程、智能体任务和网络安全方面显著提升，登顶 Artificial Analysis 智能指数，领先 Claude Opus 5.5 与 GPT-6 Astra。该模型目前仅向部分网络安全防御公司开放，定价与 Argon 相同，为每百万输入 token 2 美元、输出 10 美元。
谷歌发布 Gemini 4，API 限时半价
AI 摘要谷歌正式发布 Gemini 4，被视为重回大模型第一梯队的关键动作，同时推出 API 限时半价优惠。该发布对模型竞争格局与开发者成本结构均有直接影响。
谷歌 Meta 发布前沿模型，AI 竞赛重启
AI 摘要谷歌发布 Gemini 4 Argon，Meta 推出新前沿模型，两家公司声称可与 OpenAI 和 Anthropic 的旗舰模型匹敌。谷歌以激进定价策略切入市场，入门期价格比竞争对手低至80%。AI 前沿竞争格局重新洗牌。