在同一把 key 上中英文各问一遍：答案里的翻译漂移是从哪一步进来的

为什么同一个问题，中英文答案会不一样？

当你用同一个 API key 分别用中文和英文提问，可能会发现两个答案在措辞、细节甚至事实上存在差异。这种现象称为“翻译漂移”，它并非模型故意为之，而是语言处理流程中多个环节共同作用的结果。理解这些环节，有助于设计更可靠的双语应用。

分词器：语言差异的第一道分水岭

分词器将文本切分为模型可处理的 token。不同语言的分词策略不同：

• 英文单词通常被切分为完整的词或子词，而中文没有空格，常被切分为更细粒度的字或词片段。
• 同一语义的中英文句子，token 数量和分布可能差异显著，导致模型对信息的关注点不同。
• 某些模型对中英文的 token 化效率不同，可能影响上下文窗口的有效利用。

因此，即使问题语义相同，输入表示已经不同，模型内部的注意力分配也会有所偏移。

系统提示词：语言指令的微妙影响

系统提示词通常用于设定模型的行为和角色。当系统提示词是中文时，模型可能更倾向于用中文的语用习惯和知识组织方式回答；反之亦然。

• 如果系统提示词固定为一种语言，而用户问题使用另一种语言，模型需要跨语言对齐指令，可能引入不一致。
• 提示词中的示例（few-shot）如果只有一种语言，也会引导模型偏向该语言的表达模式。
• 多语言模型虽然能处理跨语言指令，但不同语言的提示词激活的内部表征并不完全相同。

解码：随机性与语言模型的概率分布

解码阶段从概率分布中采样生成文本。语言模型在不同语言上的概率分布存在差异：

• 模型对某些语言的事实性知识覆盖更充分，可能导致中英文答案在细节丰富度上不同。
• 采样温度等参数会放大这种差异，尤其是在低资源语言上。
• 即使温度为零，模型对不同语言的确定性输出也可能因训练数据偏差而不同。

并行探针：对比六个后端的语言处理

聚合站支持多个模型（如 Claude、GPT、DeepSeek、Qwen、GLM、Kimi），它们的训练数据、分词器和解码策略各不相同。要定位翻译漂移的来源，可以设计并行探针实验：

1. 同一问题，中英文各问一遍，记录答案差异。
2. 固定系统提示词语言，观察用户语言变化的影响。
3. 交换系统提示词语言，看是否引入系统性偏移。
4. 控制解码参数（如温度设为 0），排除随机性干扰。
5. 对比不同后端，观察哪些模型对语言更敏感。

通过这种对照，可以初步判断漂移主要来自分词器、提示词还是解码阶段。

强制事实对齐的实用策略

对于双语应用，确保事实一致性比措辞一致更重要。以下方法可以帮助强制对齐：

• 统一系统提示词语言：使用一种中立或与目标用户一致的语言，减少跨语言指令的歧义。
• 提供双语示例：在提示词中同时给出中英文示例，引导模型对齐语义而非表面形式。
• 显式要求事实核对：在提示词中要求模型先提取关键事实，再生成答案，或要求中英文答案引用相同的事实来源。
• 后处理校验：对中英文答案进行关键实体（如日期、数字、名称）的自动比对，发现不一致时触发重新生成或人工复核。
• 使用结构化输出：要求模型以 JSON 等格式输出关键事实字段，便于程序化比较。

总结

翻译漂移是分词器、系统提示词和解码过程共同作用的结果，在多后端聚合环境中更为复杂。通过并行探针实验定位主要来源，并采用统一提示词、双语示例和事实校验等策略，可以在措辞不一致的情况下强制事实对齐，提升双语应用的可靠性。