언어 모델은 다양한 언어적, 문화적 맥락에서 도덕적 의사결정(moral decision-making)에 점점 더 많이 사용되고 있지만, 기존 연구는 세 가지 측면에서 다국어성을 간과하고 있습니다. 1) 다국어 평가 벤치마크가 직접 번역을 사용해 문화별 항목에 적응하지 못합니다. 2) 도덕 추론을 위한 추론 시간(inference-time) 방법은 정적이고 영어 중심의 스캐폴드(scaffolds)에 의존하며 도덕 이론에 근거하지 않습니다. 3) 도덕적 의사결정을 위한 훈련 방법은 일반적으로 더 강력한 모델이나 인간 주석가로부터 값비싼 감독(supervision)을 필요로 합니다. 우리는 이 격차들을 세 가지 기여를 통해 해결합니다. 첫째, 언어 전반에 걸친 문화적으로 위치 지어진 도덕적 직관과 사회 규범을 포착하기 위한 다국어 도덕 의사결정 벤치마크인 MCLASH를 소개합니다. 둘째, 우리는 심리학 및 철학에서 가져온 전문가가 선별한 이론 기반의 근거(grounds)에 구축된 2단계 프롬프팅 방법인 MET (Multilingual Ethics with Theory-grounded reasoning)을 제안합니다: 모델은 먼저 상황 및 문화 특정적인 근거를 선택하고, 그런 다음 사용자 모국어에서 그 근거들에 대해 추론합니다. 셋째, 우리는 외부 감독이 필요 없는 자체 증류(self-distillation) 훈련 단계를 통해 두 번째 단계를 향상시키는 MET-D (MET-Distillation)를 소개합니다. MET-D는 모든 크기와 계열의 세 가지 모델(Qwen3-4B, Qwen3-8B, Gemma3-4B)에서 MCLASH와 MMoralExceptQA의 세 가지 모델에 걸쳐 평균 3.71점 및 4.23점으로 macro-F1을 개선합니다. 특히 Qwen3-8B를 사용한 말레이어(Malay)의 경우 MCLASH에서 최고 12.94점의 향상을 보였습니다. 우리는 또한 MET-D가 평균적으로 모국어 추론 능력을 62.13점 증가시키고, 유익한 근거들이 문화에 따라 체계적으로 다르다는 것을 밝혀냈습니다. 종합적으로, 이러한 기여들은 문화 정렬되고 이론 기반의 다국어 도덕 추론을 위한 길을 열어줍니다.