Skill Issue: Are Skills Language-Invariant in LLMs?
多语言LLM技能一致性：自博弈评估
🧭 多语言LLM技能一致性评估
A*STAR · Weizmann Institute of Science · MIT-IBM Watson AI Lab · University of Cambridge · EleutherAI
通过多语言自博弈文本游戏，量化同一LLM在不同语言接口下的技能差异
📌 工作参考价值（4 点）
- 多语言搜索/推荐中，模型技能会在语言接口变化时退化；上线前应做跨语言自博弈或类似对抗评测，而不只看知识基准分。
- 如果业务需要多语言 Agent 决策，可固定中间推理语言（如统一用英文 CoT）并在输入层做语言映射，可能恢复部分性能；论文表明改变内部推理语言可提升决策质量。
- 自博弈离线评测成本低、控制变量好，适合持续回归跨境/多语言版本的策略模型；可复用 TextArena 思路构建电商谈判、广告竞价等最小决策游戏。
- 注意语言特有失败模式（空间推理、条件决策、最优 move 选择），对推荐解释或多语言文案生成可针对性加入语言校准和校验。