THEME 03Localization
不是翻译，而是像用当地语言原创
同样的亲切，在韩语、德语和越南语里听起来并不一样。ddai 依托四国法人和各语种母语专家，从一开始就用当地语言构建训练与评估数据。
敬语的高低、拒绝的方式、玩笑的分寸，每种语言的标准都不同。只翻译句子，同一个 AI 在每种语言里听起来都像另一个人。
韩语有多级敬语，日语有敬语体系，德语区分 Sie 和 du。
有的语言直接拒绝，有的语言要先说明原因和替代方案。
在一种语言里亲切的玩笑，换一种语言可能显得无礼。
日期顺序、千位分隔符、货币和单位写法各不相同。
同样的意思在某些语言里会明显变长，影响屏幕和语音时长。
饮食、宗教、节日以及称呼方式都不同。
健康教练机器人回应想跳过今天锻炼的用户。用词不同，性格相同。
今天只想休息，运动就不做了。
好的。您昨天走了很多路，休息一下没关系。晚上做10分钟拉伸可以吗？
那个也不想做。
好的，今天不再提建议了。明天早上我再问问您的状态。
从容，不催促
鼓励，但不强迫
拒绝时给出理由和替代方案
所有语言使用同一套评分标准：自然度、性格一致性、文化适配度和准确性，按同一尺度打分。
对话、指令执行与生成数据，按语种用当地语言撰写。
以同一标准评估所有语言的评估集和指南。
记录人们真实说话方式的多语言对话数据。
Princeton University · Inhwa Song, Manoel Horta Ribeiro 等 · arXiv 2026
主要用于翻译的 LLM 编辑工具 WikiVault，大幅提高了少数资深编辑者的产出。用它完成的编辑只占全部编辑的 0.63%，却贡献了 11.1% 的新条目。
用 LLM 转译的文章，可能带着原语言社区决定写什么、删什么的标准。会说多种语言的 AI，判断标准也可能只来自其中一种语言。
When the Commons Appropriates a Large Language Model: How WikiVault Reshaped Korean Wikipedia
阅读论文原文KAIST · BMW Group · Seogyeong Jeong, Alice Oh 等 · 2026
研究团队构建了 LoCar，用 13 项 KPI 评估韩语车载 AI 助手，并测试了 11 个 LLM。模型常把 haeyo 和 hapsyo 两种敬语等级混淆，澄清和主动性的得分也低于一致性类指标。
在韩语里，敬语等级是语气的骨架。回答得礼貌，不等于守住了指定的敬语等级，两者要分开检验。
LoCar: Localization-Aware Evaluation of In-Vehicle Assistants through Fine-Grained Sociolinguistic Control
阅读论文原文Cornell University · Andrea Wen-Yi Wang, Unso Eun Seo Jo, David Mimno · FAccT 2026
6 个中国和 4 个西方开放权重模型在 21 种语言变体上表现高度相关（r=0.93）。唯一例外是普通话，中国模型表现更好；两组在中国少数民族语言上都较弱。
一个国家开发的模型，未必能说这个国家的所有语言。AI 能听懂谁的话，需要检验，不能想当然。
融入项目的专长
