상용 기계 번역 (Machine Translation, MT)은 인코더-디코더 (Encoder-Decoder) Seq2Seq 모델에 압도적으로 의존하고 있지만, MT 미세 조정 (Fine-tuning)을 위한 강화학습 (Reinforcement Learning, RL) 접근 방식은 주로 7B 이상의 파라미터를 가진 디코더 전용 (Decoder-only) LLM을 대상으로 해왔으며, 인코더-디코더 구조에 대한 체계적인 연구는 제한적이었습니다. 본 연구에서는 미세 조정 시 병렬 데이터 (Parallel data)가 필요 없는 하이브리드 참조 없는 보상 (Hybrid reference-free reward; LaBSE 및 COMET-Kiwi)을 사용하여 NLLB-200 (600M 및 1.3B) 모델에 그룹 상대 정책 최적화 (Group Relative Policy Optimization, GRPO)를 적용하고, 유형론적으로 다양한 13개 언어에 대해 평가를 수행했습니다. GRPO는 13개 언어 모두에서 일관된 성능 향상을 보였으며, 번체 중국어 (Traditional Chinese)의 경우 최대 +5.03 chrF++의 향상을 기록했습니다. 또한, 타겟 언어 데이터가 전혀 없는 상태에서도 형태론적으로 복잡한 언어들에 대해 3 에포크 (Epoch) 동안 수행된 지도 미세 조정 (Supervised Fine-tuning, SFT)과 경쟁할 만한 성능을 보여주었습니다. 우리는 베이스라인 성능이 가장 낮고 보상 판별력 (Reward discriminability)이 가장 높은 곳에서 이득이 가장 크다는 일관된 경험적 패턴을 확인하였으며, 이는 이 접근 방식이 병렬 데이터가 가장 부족한 곳에서 가장 효과적임을 의미합니다. 우리는 영어 및 스페인어 소스 언어 전반에 걸쳐 이러한 패턴을 재현했습니다.