苹果研究破解 AI“英语口音”难题，提升多语言自然性
研究背景与问题发现
苹果与多国高校及研究院联合发布最新成果，揭示了大语言模型存在的英语思维定式问题。研究人员针对非英语语种输出中普遍存在的语法与词汇偏差问题展开深度剖析，测试覆盖中文、法语、英语（基于维基百科）语料。测试发现，即使专为中文优化的 Qwen 模型，其母语表现仍落后人类水平；Meta 的 Llama3.1 综合表现最佳，但自然度仍存在显著差距；所有模型在非英语输出中均残留英语语法结构。也就是说，即便模型在用中文或法语进行对话，实际上仍在用英语“思考”，非英语输出仍然遵循类似英语的语法和词汇模式。
量化评估指标
针对大语言模型的遣词造句，研究团队提出两项量化指标：
词汇自然性（Lexical Naturalness）：评估大语言模型（LLM）用词是否符合母语习惯。
句法自然性（Syntactic Naturalness）：检验 LLM 语句是否贴合本土语法。
创新解决方案
为了缩小模型输出与自然语言之间的差距，研究人员采用了“回译法”自动生成训练样本。具体做法是将人工撰写的流畅中文内容先翻译成英文，再逆向翻译成带有“翻译腔”的“反面”样本。然后利用这类对比数据训练模型，加强其自然表达能力，这样在保持基准性能的前提下能显著改善语言输出质量。
研究意义
这一研究对于提升大语言模型的多语言处理能力具有重要意义。在全球化的背景下，多语言交流的需求日益增长，大语言模型在跨语言沟通、信息获取等方面发挥着重要作用。解决“英语口音”问题，使模型能够更自然地输出非英语语种内容，有助于打破语言障碍，提高交流效率和质量，推动大语言模型在多语言场景下的更广泛应用。
