English

general · First seen 2026-05-22 · Last seen 2026-11-20 · 421 mentions

Overview

English(英语)在人工智能领域长期占据主导地位:主流大模型的训练语料、评测基准和提示词生态大多以英语为核心,这既塑造了模型能力的分布,也让非英语用户在使用体验和成本上处于相对不利的位置。随着多语言模型和本地化部署的推进,'英语中心主义'与多语言公平之间的张力正在成为社区讨论的焦点。

English 主导下的多语言模型进展

围绕 English 语料优势与多语言适配,近期出现了多条值得注意的动态:LuckyStar 111B 提出'Think in English, Answer in Korean'的思路,让模型用英语推理、以韩语作答,高效适配多语言工具使用代理(LuckyStar 111B:高效适配多语言工具使用代理)。这一'内部用英语思考、输出切换母语'的范式,本质上是对英语作为模型'中间语言'地位的务实利用。

在语音与方言层面,DiaLLM 研究了英语方言适应中的鲁棒性与生成差距(DiaLLM: 英语方言适应中的鲁棒性与生成差距研究),提示即便是英语内部,标准语料对变体方言的覆盖也存在明显短板。

开源模型方面,Google 开源了 744M 参数的多模态嵌入模型 EmbeddingGemma 2(Google 开源 744M 多模态嵌入模型 EmbeddingGemma 2),小型化多语言嵌入模型正在降低跨语言检索的部署门槛。

English 语料差异带来的成本与工程问题

非英语文本的处理成本问题近期被量化提出:AI 模型处理部分语言的输入最多可能消耗多达 17 倍的 token(AI models can take up to 17 times more tokens to process),这意味着同一请求对不同语言用户的实际费用差异巨大,也直接影响推理延迟和上下文可用长度。

工程实践层面,开发者社区也在调整写作策略。rauchg 提出'双轨写作':README 面向人手写,文档则写给 AI 读(rauchg 提出'双轨写作':README 手写,文档给 AI 读);Pieter Levels 也分享了其在软件国际化(i18n)上借助 AI 的新做法(Pieter Levels 谈国际化 i18n 实践)。这些讨论共同指向一个问题:English 作为事实上的技术通用语,其特权地位正在被 AI 翻译和多语言工具部分消解,但 token 成本、评测偏斜和方言覆盖等结构性差距仍待解决。后续值得关注的是多语言 token 化效率的改进,以及各语言社区自建基准能否改变以 English 为中心的评估格局。

Coverage

10 on file