MET: теоретически обоснованное и учитывающее культурный контекст многоязычное моральное рассуждение

Аннотация

Языковые модели все чаще используются для принятия моральных решений в различных языковых и культурных контекстах, однако существующие работы не учитывают многоязычность в трех аспектах: 1) многоязычные оценочные эталоны используют прямой перевод, не адаптируя культурно-специфичные элементы; 2) методы инференса для моральных рассуждений опираются на статичные, англоцентричные шаблоны и лишены обоснования в моральной теории; 3) методы обучения для принятия моральных решений обычно требуют дорогостоящего контроля со стороны более мощных моделей или аннотаторов-людей. Мы восполняем эти пробелы тремя вкладами. Во-первых, мы представляем MCLASH — многоязычный эталон для принятия моральных решений, призванный отражать культурно обусловленные моральные интуиции и социальные нормы на разных языках. Во-вторых, мы предлагаем MET (Multilingual Ethics with Theory-grounded reasoning — многоязычная этика с теоретически обоснованными рассуждениями) — двухшаговый метод промптинга, построенный на составленных экспертами теоретических основаниях из психологии и философии: модель сначала выбирает ситуационно и культурно специфичные основания, а затем рассуждает над ними на родном языке пользователя. В-третьих, мы представляем MET-D (MET-Distillation), который улучшает второй шаг за счет этапа обучения с самодистилляцией, не требующего внешнего контроля. MET-D повышает макро-F1 относительно базовой модели на всех трех моделях разных размеров и семейств (Qwen3-4B, Qwen3-8B, Gemma3-4B) в среднем на 3,71 балла на MCLASH и на 4,23 балла на MMoralExceptQA, с пиковым приростом на MCLASH в 12,94 балла для малайского языка на Qwen3-8B. Мы также показываем, что MET-D увеличивает рассуждение на родном языке в среднем на 62,13 балла, а полезные основания систематически различаются в зависимости от культуры. В совокупности эти вклады открывают путь к культурно-согласованным, теоретически обоснованным многоязычным моральным рассуждениям.

English

Language models are increasingly used for moral decision-making across diverse linguistic and cultural contexts, yet existing work overlooks multilinguality on three aspects: 1) multilingual evaluation benchmarks use direct translation, failing to adapt culture-specific items; 2) inference-time methods for moral reasoning rely on static, English-centric scaffolds and lack grounding in moral theory; 3) training methods for moral decision-making typically require expensive supervision from stronger models or human annotators. We address these gaps with three contributions. First, we introduce MCLASH, a multilingual moral decision-making benchmark to capture culturally situated moral intuitions and social norms across languages. Second, we propose MET (Multilingual Ethics with Theory-grounded reasoning), a two-step prompting method built on expert-curated, theory-based grounds drawn from psychology and philosophy: the model first selects situation- and culture-specific grounds, then reasons over them in the native language of the user. Third, we introduce MET-D (MET-Distillation), which enhances the second step through a self-distillation training stage that requires no external supervision. MET-D improves macro-F1 over the base model on all three models of different sizes and families (Qwen3-4B, Qwen3-8B, Gemma3-4B), by an average of 3.71 points on MCLASH and 4.23 on MMoralExceptQA, with a peak MCLASH gain of 12.94 points for Malay on Qwen3-8B. We further reveal that MET-D increases native-language reasoning by 62.13 points on average, and that beneficial grounds differ systematically across cultures. Together, these contributions open the path for culture-aligned, theory-grounded multilingual moral reasoning.