AI는 사실 '언어 장벽'이 없을 수도 있다: 한 가지 언어만 훈련해도 다른 언어도 함께 강해진다

동차 Beating 모니터링에 따르면, 애플 연구팀은 9개 모델과 11개 언어로 강화학습 실험을 진행해, 훈련 데이터가 단일 언어일 때 모델이 학습한 문제 해결 능력을 다른 언어의 문제에도 적용할 수 있는지 확인하려 했다.

결론은, 가능하며 그 효과가 상당히 뚜렷하다는 것이다. 단일 언어로만 훈련해도 모델은 여러 다른 언어에서도 함께 성능이 향상된다.

예를 들어 프랑스어 테스트에서, 프랑스어로 직접 훈련하면 평균 25.6% 포인트 성적이 향상된다. 프랑스어를 전혀 사용하지 않고 스페인어 문제로만 훈련해도 프랑스어 테스트에서 24.6% 포인트 향상되어, 단 1% 포인트 차이만 난다.

모델이 학습하는 것은 특정 언어의 문제뿐만 아니라, 언어를 바꿔도 계속 사용할 수 있는 문제 해결 방법의 일부다. 따라서 향후 모델의 중국어 추론 능력을 강화하려 할 때, 모든 강화학습 데이터를 반드시 중국어로 다시 만들 필요는 없다.

하지만 훈련 언어를 무작정 바꿀 수도 없다. 특정 언어는 특정 능력의 퇴화를 유발할 수 있기 때문이다. 동일한 강화학습을 다른 훈련 언어로 적용하면, 일부 모델은 다른 언어와 작업에서 오히려 뚜렷한 성능 저하를 보인다. 가장 극단적인 실험 그룹에서 Qwen3-4B는 스와힐리어로 훈련한 후, 훈련 중 보지 못한 영어 테스트에서 원래 모델보다 19.2% 포인트 하락했다. 반면 다국어로 함께 훈련했을 때는 이 테스트에서 오히려 4.5% 포인트 향상되었다.

이 논문이 검증한 것은 주로 수학, 논리, 도형, 그래프 등 정답을 자동으로 판별할 수 있는 추론 문제다. 이러한 문제는 언어를 바꿔도 기본 해법이 변하지 않는 경우가 많다. 독해, 은유, 의미 판단, 문화 지식 등 실제로 언어 자체에 의존하는 작업에 대해서는 이 논문이 검증하지 않았다.