Which Language Should a Skeleton Speak? Language Choices in Multilingual Reasoning
骨架应该说什么语言？多语言推理中的语言选择
🧭 LLM 多语言推理 · 提示骨架语言选择
ETRI · KAIST · Dankook University
系统研究多语言数学推理中骨架提示语言选择，发现英语骨架平均微小正向但非普遍最优，效应依赖语境
📌 工作参考价值
- 多语言业务中若用结构化推理骨架（如多步 agent 的思考模板），默认英语骨架可作为 baseline，但必须按语言分桶评估；平均收益可能由低资源语言/小模型驱动，不能直接全量推广。
- 将语言选择纳入 prompt 实验矩阵：不同骨架语言的效果存在方向一致、评估/基准依赖、不对称负效应，因此需要 multi-rollout + translation ablation 隔离语言变量，避免单次 greedy 结果误判。
- 对低资源语言，如果训练额外的多语言推理模型成本高，可优先用英语骨架做训练免推理引导；但要警惕对某些语言产生负效应，发布前做显著性校正。
- 工程上可复用其开源 LASEF 框架，构建多语言骨架版本管理、评估流水线，尤其适合跨境电商搜索/推荐场景的多语言 query 理解与 agent 推理。
动机：骨架推理提示（skeleton-based reasoning prompting）通过显式给出推理流程引导 LLM 解题，具有训练免优势，适合低资源语言；但此前研究默认英语中心，多语言场景中骨架语言如何选择未系统探索。
方法：LASEF 框架在多个数学基准、模型规模、语言维度上开展实验，组合 greedy decoding、multi-rollout evaluation、translation ablation、cross-benchmark validation，比较不同骨架语言效果，并进行显著性校正。
结果：英语骨架平均有小正向趋势，小模型和低资源语言中更明显；校正后少数语言级增益显著，英语并非普遍最优。发现三种骨架语言效应模式：方向一致、依赖评估/基准、不对称负效应；这些不能被生成质量单独解释，提示骨架语言是与上下文相关的设计变量。