会说西班牙语，不代表懂墨西哥人怎么说话多语言模型训练有个隐蔽的坑：语料数量上去了，但"地道性"不够。你可能采集了一亿条西班牙语语料，但模型生成出来的西班牙语，墨西哥用户觉得生硬，西班牙用户觉得别扭，阿根廷用户觉得好笑——因为这三地的西班牙语根本不一样。语言的"地道性"是多维度的：词汇的地域变体（巴西说"ônibus"、葡萄牙说"autocarro"）、口语和网络用语（同一个意思不同国家用不同的梗）、专有名词的本地叫法、甚至语气和表达习惯的差异。这些差异，藏在各国本土的论坛、社交媒体、新闻评论区里，用通用的 ......
没有评论:
发表评论