Liberi Urbis

处理过程 原歌词: [[Children of the City]] 考虑到指令是直接给到某个人的,这里命令式都使用对单数的。 Dormi per diem octingentas horas summā Et lītrum lactis bibe, te calefac antequam lūdas Solum ede, aut scribe, aut dextra manū grilletto preme 注释 意大利语的 grilletto,扳机,把它当作第三变格法名词。因为是外来借词我不用变格,但第三变格法名词的宾格单数应该是 grillētum(如果词干是 -um)或 grillētonem(如果词干是 -onis)。借词意大利语是因为古典拉丁语有用时,“什么叫手枪扳机?” Sola res quae restat est exsequi praescripta 游戏里的指令,Prescript,就是拉丁语的 praescriptum。一堆指令,宾格,那应该就是 Praescripta 了。以及 res 是第五变格法阴性名词,用 quae。exsequi 会更适合机械流水线的 work on 指令。同时为了对上原句 Only thing that’s left is to work on following commands 的节奏需要把句子拉长一点,得保留一些同义反复。 Tempore intellexeris, ad mensam constringeris ...

2026年9月6日

token还是词元能标记几个月说明人脑过拟合了

人民日报原文 人工智能飞速迭代,技术更新速度远超语言规范的完善节奏。当下,大量人工智能相关英文术语未经本土化转化,便直接涌入公共传播、日常交流等场景,字母缩写频繁替代汉语表达。这不仅改变着大众的语言习惯,更暗藏科技话语权旁落、母语体系被消解的深层危机,守住母语根基、规范科技语言已然成为人工智能时代的重要课题。 汉语历来开放包容,过往“电脑”“互联网”等外来概念的本土化译名,精准贴合汉语表意逻辑,深度融入民族语言体系。但如今Token、Agent、LLM等英文符号大量出现,仅作为单纯符号存在,不具备汉语形音义统一的特质,既无法望文知义,也缺乏文化底蕴。这些无内核的术语频繁出现在教材、政策、媒体内容中,不断挤压汉语的表意空间,不仅抬高了大众理解前沿科技的门槛,加剧数字鸿沟,也逐步侵蚀汉语体系的完整性与传承性。 更深远的影响,体现在自主科技话语体系的缺失。语言塑造思维,长期依附外来术语、照搬西方语言逻辑,会让我们的科技认知局限于既定框架中,难以孕育贴合中国实践的原创科技理论。术语是科技叙事的基础单元,若核心概念的定义权、阐释权始终掌握在他人手中,中国特色科技话语体系便无从建立。这种认知层面的依附,比技术差距更隐蔽,也更影响我国科技自立自强的长远发展。 规范科技术语绝非排斥开放,而是构建分层有序的语言使用体系。国际学术交流、跨国合作中保留英文原词,是适配全球沟通的高效选择;但在国内公共传播、教育教学、政策普及等通用场景,必须大力推广“词元”“智能体”等标准中文译名。兼顾对外开放与本土规范,才能让前沿科技真正走进大众,实现科技红利全民共享。 守护母语根基、培育健康科技语言生态,需要多方协同发力。相关部门需优化术语审定机制,缩短规范译名与技术迭代的时差;媒体、科技企业应主动践行规范表达;高校科研院所率先示范,引导青年树立母语自觉。全社会共同践行本土化术语表达,方能筑牢语言防线。 语言为科技载道,文化为发展立根。人工智能时代的语言发展,贵在守正创新、兼容并蓄。坚守汉语文化根基,做好科技术语本土化转化,既能守护千年语言文脉,更能构建自主的科技认知与叙事体系。唯有筑牢母语根基、掌握话语主动权,我们才能在全球科技竞争中,实现技术突破与文化自信的双向赋能,助力科技强国建设行稳致远。 (责编:赵春晓、付龙) 我的回应 符号学上,“无内核”不成立 索绪尔说,符号由“能指”和“所指”构成,二者关系是任意的。Token、Agent、LLM 都是完整的符号,不是空洞字母。 LLM 的所指是“large language model”,有明确技术内涵; Agent 在 AI 领域指“能感知环境、决策并行动的系统”,也有明确所指; Token 在 NLP 里指“文本切分出来的基本单位”,同样有定义。 它看起来“没有内核”,是因为很多读者不懂英语,能指不能激活所指。这是读者语言能力问题,不是符号本身的问题。文章把“我不认识”说成“它没有”,是典型的认识误置,同时说明作者可能义务教育阶段英语学得有点抱歉,Agent, large, language, model, token 这种词可能都是死记硬背的,没有理解不同语言中的能指的关系,以为它们都是凭空(甚至更糟,从《永乐大典》里)蹦出来的。解决这一问题需要的不是翻译的行为,而是字典。 这背后还有一种朴素唯实论:好像“智能体”三个汉字能直接抓住概念本质,而 Agent 只是一个无法理解、没有来源的符号。可名称本来就是约定。况且 Agent 来自拉丁语 agere(推动、行动),Token 来自古英语 tacen(符号、征兆),论文化底蕴并不差。反倒是“智能体”这种新造词,字面意思还会骗人:很多 agent 并没有“智能”,只是自动程序。 翻译的正确理由:让更多人看懂 AI 已经是全民性技术。一个没有受过英语教育的普通人看到 “Agent”“LLM”,只能把它们当黑话或专有名词,无法望文生义。所以公共传播、教材、政策里应该提供中文译名,这是知识平权问题,不是“英文符号腐蚀汉语”的问题。 教材里如果出现 Token 不给注释,那是教材编写问题;如果改成“词元”却不好好解释,读者照样不懂。说“这些词没有实际内核所以架空了教材”,完全是把责任推给英文符号——真正的问题是“不翻译、不解释”。 Agent 目前的通用翻译“智能体”,以及 Token 的通用翻译“词元”作为传播名称完全没有问题,即使在其技术定义上会与自己的定义冲突,但并不妨碍知道其定义的人,理解“词元”“token”是在指什么。这就是我说过的,解决这一问题需要的不是翻译的行为,而是字典。 “挤压汉语表意空间”是伪命题 语言不是有限容器,外来词不会真的挤占掉原有表达。 汉语历史上吸收了大量外来词:“咖啡”“沙发”是纯音译,也不“望文知义”,但没人觉得它们危害汉语。DNA、CPU、GDP 天天出现在官方表达里,也没见汉语被“消解”。 你既可以说“大语言模型”,也可以说 LLM,这是双语/多语社会的常态。 文章说的“不断挤压”“逐步侵蚀”,只是修辞,不是语言学规律。 “语言塑造思维”被用成了弱智版沃尔夫假说 语言会影响思维习惯,但不决定思维。如果用了外来词就等于“认知依附”,那日本大量使用英语借词,科学照样做得好;中国科学家天天读英文论文、用英文写作,也没都变成西方思想的奴隶。 原创科技理论靠的是概念突破、实验验证、共同体认可,不是靠术语表里没有外来词。把“科技自立”绑在“翻译外来词”上,是拿文字清洁运动代替真正的科研努力。 “科技话语权”不是翻译能给的 翻译“Agent”为“智能体”,只是把一个外来概念搬进来,概念的定义权、解释权、评价权仍然在别人手里。真正的话语权来自:你做出别人绕不开的研究,提出原创概念,然后让世界来翻译、引用你的中文术语。文章把术语说成“科技叙事的基础单元”,是倒果为因。 它的意识形态机制:制造“语言防线” 这篇文章的修辞很典型:把英文词描述成“涌入”“挤压”“侵蚀”“旁落”“防线”,把汉语想象成一个纯正完整的有机体,再把外来代码说成污染。这是十九世纪语言民族主义的经典话术。 问题在于,语言从来不是纯正的。英语本身一半词汇来自法语和拉丁语,但英语没有因此死掉。把术语问题上升到“母语根基”“文化自信”,只是为了让你相信一个伪危机,然后支持一种本质主义的语言管控。 它的意识形态本意:就不是好的和有效的 文章反复使用“涌入”“侵蚀”“防线”等军事化词汇,其意识形态的底层动机是建立一种对语言和信息入口的审查权与定义权。 将“外来科技术语的自然传播”强行定性为对“母语安全的威胁”,本质上是为后续行政力量无节制干预学术表达、科普出版和公共讨论铺路。当一个技术词汇的中文译名需要“相关部门审定”才能使用时,最先被牺牲的不是所谓的“西方霸权”,而是本土科研人员和公众获取、交流最新科技信息的时效性与自由度。 同时,就像 1,2 中提到过的那样,问题在“字典”而非“翻译”,没有成体系的“字典”你叫什么都没法让人知道它们的所指,理解它们(这几个词,以及它们的所指)该怎么用、有什么关系(词元对智能体有什么作用,词元是充值界面那个数吗)。教育资源不公、科普失职、教材编排不成体系(不以学科内部基础方法、概念,以及研究逻辑组织)、搜索信息难以找到权威信源和专业解答的问题,“字典”的问题,被解释为了“翻译”的问题——没提这些“字典”的问题在这里不是因为这不是那篇文章的重点,而是因为,他们,已经被以“翻译”的体系重新书写了。 ...

2026年8月8日